抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ニューラル生成モデルを用いて,データから複雑な確率分布を学習し,それらからサンプルまで,確率密度推定を生成することができる。脳における予測処理の理論に触発された神経発生モデルを開発するための計算フレームワークを提案した。予測処理理論に従って,脳におけるニューロンは,1つのレベルのニューロンが,他のレベルから感覚入力に関する期待を形成する階層構造を形成する。これらのニューロンは,それらの期待と観測された信号の違いに基づいて,それらの局所モデルを更新する。同様の方法において,著者らの生成モデルにおける人工ニューロンは,どの隣接ニューロンが何が行うかを予測し,予測が現実にいかによく整合するかに基づいてそれらのパラメータを調整する。本研究では,このフレームワークの中で学習されたニューラル生成モデルが,いくつかのベンチマークデータセットとメトリックスにおいて実際によく機能し,また,類似の機能性(変分オートエンコーダのような)を持つ他の生成モデルと比較して,または,かなり性能が優れていることを示す。【JST・京大機械翻訳】