文献

J-GLOBAL ID：202002273580246527   整理番号：20A0672718

Riemann-θBoltzmannマシン【JST・京大機械翻訳】

Riemann-Theta Boltzmann machine

著者 (4件)： Krefl Daniel (Theoretical Physics Department, CERN, Geneva 23, CH-1211 Switzerland) ,  Carrazza Stefano (Theoretical Physics Department, CERN, Geneva 23, CH-1211 Switzerland) ,  Haghighat Babak (Yau Mathematical Sciences Center, Tsinghua University, Beijing, 100084, China) ,  Kahlen Jens (Independent Researcher, Am Dachsbau 8, 53757 Sankt Augustin, Germany)
資料名： Neurocomputing  (Neurocomputing)
巻： 388  ページ： 334-345  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 連続的な可視で離散的な整数値の隠れ状態を持つ一般的なBoltzmannマシンを導入した。結合行列についての温和な仮定の下で,可視ユニットの確率密度関数を解析的に解くことができ,Riemann-θ関数の比を含む新しいパラメトリック密度関数を得た。与えられた可視状態に対する隠れ状態の条件付き期待を解析的に計算し,対数Riemann-θ関数の導関数を得た。条件付き期待値はフィードフォワードニューラルネットワークにおける活性化関数として用いることができ,それによりネットワークのモデリング能力を増加させる。Boltzmannマシンと導出されたフィードフォワード神経回路網の両方を,標準勾配と非勾配ベースの最適化技術によって首尾よく訓練することができた。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 確率密度関数 ,  対数 ,  ニューラルネットワーク ,  神経回路網 ,  *Boltzmannマシン ,  最適化手法 ,  フィードフォワード ,  ネットワーク ,  期待値 ,  θ関数 ,  導関数
準シソーラス用語： 活性化関数 ,  フィードフォワードニューラルネットワーク ,  密度関数 , 【Automatic Indexing@JST】

著者キーワード (5件)： Boltzmannマシン ,  ニューラルネットワーク ,  Riemann-θ関数 ,  密度推定 ,  データ分類

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

タイトルに関連する用語 (1件)： Boltzmannマシン