文献

J-GLOBAL ID：202102260741249187   整理番号：21A2870055

液体状態機械におけるトポロジー制約とロバスト性【JST・京大機械翻訳】

Topological constraints and robustness in liquid state machines

著者 (2件)： Hazan Hananel (Department of Computer Science, University of Haifa, Mount Carmel, Haifa 31905, Israel) ,  Manevitz Larry M. (Department of Computer Science, University of Haifa, Mount Carmel, Haifa 31905, Israel)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 39  号： 2  ページ： 1597-1606  発行年： 2012年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 液体状態機械(LSM)は,時間ニューロンで計算の方法であり,それは,標準人工ニューラルネットワークと直接異なる本質的に時間データを分類するために,他の物の間で使用することができる。それは,ある種の脳機能の自然モデルとしても提唱された。本論文には2つの結果がある。(1)通常定義された液体状態機械は,脳機能に対する自然モデルとして役立たないことを示す。これは,それらがモデルの部品の故障に非常に脆弱であるからである。この結果はMaassらによる仕事と対照的であり,これらのモデルが入力データにおけるノイズに対してロバストであることを示した。(2)ある種類のトポロジー制約(例えば,”小世界仮定”)を指定し,それは合理的に妥当であり,LSMsに対するこの意味でロバスト性を回復できることを示した。Copyright 2021 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： *位相幾何学 ,  雑音 ,  ニューロン ,  ニューラルネットワーク ,  *ロバスト性 ,  機械学習
準シソーラス用語： 脆弱性 ,  脳機能 ,  入力データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 液体状態機械 ,  貯留層計算 ,  小世界トポロジー ,  ロバスト性 ,  機械学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： トポロジー ,  制約 ,  ロバスト性