文献

J-GLOBAL ID：202002285674115353   整理番号：20A2282906

時間上の制約付きニューラルユニットの開発【JST・京大機械翻訳】

Developing Constrained Neural Units Over Time

著者 (4件)： Betti Alessandro (University of Siena,Department of Information Engineering and Mathematics,Siena,Italy) ,  Gori Marco (University of Siena,Department of Information Engineering and Mathematics,Siena,Italy) ,  Marullo Simone (University of Siena,Department of Information Engineering and Mathematics,Siena,Italy) ,  Melacci Stefano (University of Siena,Department of Information Engineering and Mathematics,Siena,Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020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： 本論文では,最小認知行動の原理の文脈においてニューラルネットワークによる学習問題を定義する制約付き方法に関する基礎研究を提示し,それは力学における最小行動の原理と非常に類似している。学習の動的法則に制約を課すための一般的アプローチから始めて,本研究は,既存の手法の大部分とは異なるニューラルネットワークを定義する代替方法に焦点を当てた。特に,ニューラルアーキテクチャの構造は,データとの相互作用にも拡張される制約の特別なクラスによって定義され,それぞれ「アーキテクチャ」と「入力関連」制約をもたらす。提案した理論は時間領域に注型され,そこでは,データを,順序付けされた方法でネットワークに提示し,これは,ニューラルネットワークによるデータの連続ストリームを処理する代替方法に向けた重要なステップである。ネットワークの重みの古典的バックプロパゲーションベースの更新規則との接続を議論し,著者らのアプローチがバックプロパゲーションに縮退する条件があることを示した。さらに,理論自体の幾つかの側面を深く研究することを可能にし,モデルの健全性を示す簡単な問題について理論を実験的に評価した。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： 相互作用 ,  学習 ,  ネットワーク ,  ニューラルネットワーク ,  注型 ,  *逆伝搬法 ,  健全性
準シソーラス用語： 時間領域 , 【Automatic Indexing@JST】

分類 (5件)： 符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  医用画像処理  (JE04020T) ,  音声処理  (JE05000E)

タイトルに関連する用語 (2件)： 制約 ,  開発