文献

J-GLOBAL ID：202002229474436277   整理番号：20A0961543

パターン認識タスクのためのスパイキングニューラルネットワークにおけるMeta-発見的アルゴリズムの使用【JST・京大機械翻訳】

Using Meta-Heuristic Algorithm in Spiking Neural Network for Pattern Recognition Tasks

著者 (4件)： Turkson Regina Esi (University of Electronic Science and Technology of China,School of Computer Science and Engineering,Chengdu,China,611731) ,  Liu Sichao (University of Electronic Science and Technology of China,School of Computer Science and Engineering,Chengdu,China,611731) ,  Baagyere Edward Y. (University of Electronic Science and Technology of China,School of Computer Science and Engineering,Chengdu,China,611731) ,  Eghan Moses J. (University of Cape Coast, P. M. B University Post Office,Department of Computer Science and Information Technology,Cape Coast,Ghana)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCWAMTIP  ページ： 22-28  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Batアルゴリズム(BA)は,マイクロコウモリの反響定位挙動に基づくメタ発見的アルゴリズムである。BAの利点とSNNの効率がいくつかのベンチマークデータセットを用いた分類タスクに利用されるBAに基づくスパイキングニューラルネットワーク(SNN)モデルを提案した。BAの利点は,特に重みの調整により人工神経回路網(ANN)領域で十分に利用されている。そこで,学習戦略としてBAを活用し,Leaky IntegrateとFire(LIF)とIzikkevichモデルを用いてSNNを訓練し,非線形パターン分類タスクを解いた。種々のクラスの間をうまく識別するために,モデルを同じクラスからの入力に対する同じまたは類似の発火率での火災に対して訓練し,異なるクラスからの入力パターンも異なる速度でのスパイクまたは火災に対して訓練した。提案したモデルがいかに効率的で強力であるかを正当化するために,一つのニューロンのみを用いた。最後に,このモデルを異なる非線形パターン認識タスクでテストし,著者らのモデルと他の類似の既存モデルとの比較を行い,提案したモデルはいくつかのstate of the ートモデルを凌駕した。著者らの知る限りでは,これはSNNでBAを実行する最初の研究である。Copyright 2020 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】

シソーラス用語： *アルゴリズム ,  *パターン認識 ,  火災 ,  ニューロン ,  *ニューラルネットワーク ,  パターン分類 ,  反響定位 ,  コウモリ ,  ベンチマーク
準シソーラス用語： 発見的アルゴリズム ,  *スパイキングニューラルネットワーク ,  入力パターン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： パターン認識 ,  タスク ,  スパイキングニューラルネットワーク ,  発見的アルゴリズム