液体状態マシンの識別能力に寄与する液体構造に関する考察

Sakaguchi Tatsuro; Wakamiya Naoki

文献

J-GLOBAL ID：202002288999311756 整理番号：20A0750306

液体状態マシンの識別能力に寄与する液体構造に関する考察

Consideration on liquid structure contributing to discrimination capability of Liquid State Machine

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0750306&from=J-GLOBAL&jstjournalNo=U0219A") }}

著者 (2件)： ,
資料名：
巻： 11 号： 1 ページ： 36-59(J-STAGE) 発行年： 2020年
JST資料番号： U0219A ISSN： 2185-4106 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：英語 (EN)

液体状態マシン(LSM)は,貯留層計算モデルの一つであり,普遍的な計算能力により,その応用と改善が研究者を引き付けている。一方,測定技術の開発は,スケールフリー,小世界,およびモジュール特性のような脳ネットワークにおける特異的構造の存在を明らかにし,それは認知および記憶のような高次脳機能に寄与する。本論文では,LSMの回帰ニューラルネットワークに各種ネットワークモデルを適用し,構造特性と識別精度の関係を調べた。結果は,回帰ニューラルネットワークのモジュール性がLSMの識別能力を強化することを示唆した。(翻訳著者抄録)

, , , ,
, ,

著者キーワード (3件)： , ,

ニューロコンピュータ

引用文献 (25件)：

[1] W. Maass, T. Natschläger, and H. Markram, “Real-time computing without stable states: a new framework for neural computation based on perturbations,” Neural Computation, vol. 14, no. 11, pp. 2531-2560, 2002.
[2] B.J. Grzyb, E. Chinellato, G.M. Wojcik, and W.A. Kaminski, “Facial expression recognition based on Liquid State Machines built of alternative neuron models,” Proceedings of the International Joint Conference on Neural Networks, IEEE, pp. 1011-1017, 2009.
[3] T. Yamazaki and S. Tanaka, “The cerebellum as a liquid state machine,” Neural Networks, vol. 20, no. 3, pp. 290-297, 2007.
[4] E. Hourdakis and P. Trahanias, “Improving the classification performance of Liquid State Machines based on the separation property,” Engineering Applications of Neural Networks, no. ii, Springer, Berlin, Heidelberg, pp. 52-62, 2011.
[5] H. Ju, J.X. Xu, E. Chong, and A.M.J. VanDongen, “Effects of synaptic connectivity on liquid state machine performance,” Neural Networks, vol. 38, pp. 39-51, 2013.

, , ,

前のページに戻る