文献

J-GLOBAL ID：202002238503740327   整理番号：20A1605222

入力駆動再帰型ニューラルネットワークの情報処理能力に対するリカレント情報量最大化原理の影響

Effect of recurrent infomax on the information processing capability of input-driven recurrent neural networks

著者 (3件)： Tanaka Takuma (Graduate School of Data Science, Shiga University, 1-1-1 Banba, Hikone, Shiga 522-8522, Japan) ,  Nakajima Kohei (Graduate School of Information Science and Technology, University of Tokyo, Tokyo 113-8656, Japan) ,  Aoyagi Toshio (Graduate School of Informatics, Kyoto University, Yoshida Honmachi, Sakyo-ku, Kyoto 606-8501, Japan)
資料名： Neuroscience Research  (Neuroscience Research)
巻： 156  ページ： 225-233  発行年： 2020年07月 
JST資料番号： D0210C  ISSN： 0168-0102  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： リザーバーコンピューティングは,計算資源としての再帰型ニュー...

シソーラス用語： *ニューラルネットワーク ,...
準シソーラス用語： スループットの最適化 ,...

ログイン（無料）して見る     続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1605222&from=J-GLOBAL&jstjournalNo=D0210C") }}

著者キーワード (5件)： 貯留層計算 ,  再発性インフォマックス ,  教師なし学習 ,  記憶 ,  オシロロジー

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 再帰型ニューラルネットワーク ,  情報処理能力 ,  リカレント ,  情報量 ,  最大化 ,  原理