コポジティブ・ミュージプライヤを用いたIQCによるリカレントニューラルネットワークの安定性解析【JST・京大機械翻訳】

Ebihara Yoshio; Waki Hayato; Magron Victor; Mai Ngoc Hoang Anh; Peaucelle Dimitri; Tarbouriech Sophie

プレプリント

J-GLOBAL ID：202202208048171553 整理番号：22P0287204

コポジティブ・ミュージプライヤを用いたIQCによるリカレントニューラルネットワークの安定性解析【JST・京大機械翻訳】

Stability Analysis of Recurrent Neural Networks by IQC with Copositive Mutipliers

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年02月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文は,積分二次制約(IQC)フレームワークによる再帰ニューラルネットワーク(RNN)の安定性解析に関するものである。修正線形ユニット(ReLU)は,通常RNNの活性化関数として採用され,ReLUは入力と出力信号に関して特定の非負性特性を持つ。したがって,そのような非負性特性を扱う乗算器を有するIQCベースの安定性条件を引き出すことができるならば,それは効果的である。しかし,そのような非負性(線形)特性は,正の半定値円錐上に定義された既存の乗算器によってほとんど捉えられない。この困難を得るために,標準ポジティブ半定値円錐を共陽性円錐に緩めて,非負性特性を捕えるために共陽性乗算器を採用した。IQCのフレームワークの中で,Zames-Falb乗算器や多トピック結合乗算器のような既存の乗算器と共に,共陽性乗算器(またはそれらの内部近似)を採用でき,これにより,共陽性乗算器の導入が,より良い(より保守的でない)結果をもたらすことを保証できる。最後に,IQCベースの安定性条件の有効性を,数値例によって共陽性乗算器を用いて例証した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

システム設計・解析 , 演算方式

前のページに戻る