抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
著者らの以前の研究において,Hopfield重み行列を,異なる学習タスクにおける概念またはオブジェクト間の関連を学習するための主要入力として用いた。しかし,挑戦的な問題の一つは,人間が継続的に学習し,経験している過程における関連記憶項目の容易な検索を可能にするために,適切な意味論を持つシステムの最終結果をどのように提供するかであった。本論文では,学習タスクにおいて得られたHopfieldネットワークを表現する各行列が生成された意味論的ネットにより意味論で与えられる意味的ニューロンネットワークに基づく連想記憶モデルを提案した。マトリックス上で実行されるチャンキング機構を,相関行列の併合と分解を行う手段として提案した。本研究は,自己組織化し,その寿命で自己進化できる連想記憶モデルを開発することを目的とした。この過程は,複雑な記憶を形成するときに関連を使用することが示されている人間の脳活動と非常に類似している。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】