文献

J-GLOBAL ID：201902210113649312   整理番号：19A1192613

単純化カオスニューラルネットワークによる増分学習を用いた容量について【JST・京大機械翻訳】

On Capacity with Incremental Learning by Simplified Chaotic Neural Network

著者 (2件)： Deguchi Toshinori (National Institute of Technology, Gifu College, Gifu, Japan) ,  Ishii Naohiro (Aichi Institute of Technology, Aichi, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11324  ページ： 377-387  発行年： 2018年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： カオス挙動は生物学的脳でしばしば示される。それらは,カオスニューラルネットワークにおける記憶と学習に強く関連している。増分学習は,カオスニューラルネットワークを用いて連想メモリを構成する方法であり,計算量の補償においてHebian則よりも大きな容量を提供する。前者の研究において,パターンはランダムに発生し,要素の半分でプラス1,他ではマイナス1であった。最終的に調整したパラメータを用いた場合,ネットワークはこれらのパターン特徴を良く学習した。しかし,この結果は過剰学習とみなすことができた。次に,過剰学習を回避し,パターンをテストするためのパターン生成法を提案した。その中で,プラス1とマイナス1の比率は1から1まで異なる。本論文において,著者らのシミュレーションは,通常のカオスニューラルネットワークの能力と,これらのパターンを有する単純化カオスニューラルネットワークの能力を調査して,過剰学習を保証することができなかった。Copyright 2018 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  計算量 ,  *簡素化 ,  連想メモリ ,  *ネットワーク ,  カオス的挙動 ,  *カオスニューラルネットワーク ,  *改変
準シソーラス用語： パターン生成 ,  過剰学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： カオスニューラルネットワーク ,  ネットワークの容量 ,  増分学習

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 単純化 ,  カオスニューラルネットワーク ,  増分学習