文献

J-GLOBAL ID：201902258358803025   整理番号：19A0394004

順序列から任意の出現頻度以上の部分列を抽出するニューラルネットワーク

Extraction of Frequent Sub-Sequences from Long Sequence Using Neural Network

著者 (4件)： 森田賢太 (三重大 大学院工学研究科) ,  高瀬治彦 (三重大 大学院工学研究科) ,  川中普晴 (三重大 大学院工学研究科) ,  森田直樹 (東海大 大学院情報通信学研究科)
資料名： 知能と情報  (日本知能情報ファジィ学会誌)
巻： 31  号： 1  ページ： 592-596  発行年： 2019年02月15日 
JST資料番号： L0501A  ISSN： 1347-7986  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本稿は与えられた系列データから頻出な部分列を抽出することを目的とした。特に,抽出に際して(1)オンライン学習,(2)複数部分列の抽出,(3)さまざまな長さの部分列の抽出,(4)頻出とするしきい値の調節の4つすべて可能にすることをめざした。提案手法は,スパイキングニューロンを用いた2ブロックからなるニューラルネットワークである。LIFモデルに基づくユニットにより構成し,STDP学習則に基づいた結合荷重の更新を行うことで,自己組織的に部分列を抽出するネットワークを構築する。この結果,1つのSTDPのパラメータを調整するだけで,同じ系列から頻出として抽出する部分列を変化させることができた。具体的には,3,000シンボル長の系列から3シンボル長の部分列(出現頻度は0.4%,3%,5%)を抽出した際,3%以上出現する部分列の抽出と5%以上出現する部分列の抽出の切り替えに成功した。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  データ解析 ,  オンラインシステム ,  閾値 ,  神経回路網 ,  ニューロン ,  発火【生理】 ,  神経可塑性 ,  自己組織化 ,  高頻度データ ,  スパイキングニューロン ,  スパイキングニューラルネットワーク ,  発生頻度 ,  スパイクタイミング依存シナプス可塑性
準シソーラス用語： 出現頻度 ,  オンライン学習 ,  STDP

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

引用文献 (3件)：

• S. Sakurai, and N.Nishizawa: “A NEW APPROACH FOR DISCOVERING TOP-K SEQUENTIAL PATTERNS BASED ON THE VARIETY OF ITEMS,” J. of Artificial Intelligence and Soft Computing Research, Vol.5, No.2, pp. 141-153, 2015
• K. Tanaka, S. Yano, and N. Yamamoto: “A NEW APPROACH FOR DISCOVERING TOP-K SEQUENTIAL PATTERNS BASED ON THE VARIETY OF ITEMSA neural network model for cognition of the order relation among sequential input patterns,” The Japan Society for Industrial and applied mathematics, Vol.18, No.1, pp. 87-106, 2008
• K. Morita, H. Takase, N. Morita, H. Kawanaka, and S. Tsuruoka: “A NEW APPROACH FOR DISCOVERING TOP-K SEQUENTIAL PATTERNS BASED ON THE VARIETY OF ITEMSStable Extraction of Frequent Sub-sequences from Serquential Symbol Input,” Procedia Computer Science, Vol.112, pp. 1901-1908, 2017

タイトルに関連する用語 (3件)： 順序 ,  出現頻度 ,  ニューラルネットワーク