カスケード相関ニューラルネットワークの確率生成モデルへの変換【JST・京大機械翻訳】

Nobandegani Ardavan Salehi; Shultz Thomas R.

プレプリント

J-GLOBAL ID：202202218546042820 整理番号：21P0003777

カスケード相関ニューラルネットワークの確率生成モデルへの変換【JST・京大機械翻訳】

Converting Cascade-Correlation Neural Nets into Probabilistic Generative Models

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 (2件)： ,
資料名：
発行年： 2017年01月18日プレプリントサーバーでの情報更新日： 2017年01月18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)

人間は,どのクラスの入力インスタンスが(即ち,分類タスク)に属するかを認識するだけでなく,より顕著には,おそらくより顕著に,彼らが,奨励された場合,希望するクラスの望ましいインスタンスを想像する(すなわち,生成)。これに触発されて,Cascade-Correelationニューラルネットワーク(CCNN)を確率的生成モデルに変換できるフレームワークを提案し,それによって,CCNNが関心のカテゴリーからサンプルを生成することを可能にした。CCNNは,それらのトポロジーを自律的に構築する決定論的で識別可能なNNのよく知られたクラスであり,様々な心理学的現象を説明するのに成功した。提案フレームワークは,Markov連鎖モンテカルロ(MCMC)法に基づいており,これは,高い確率の領域に向けてその探索を指示するために,目標分布の勾配情報に資本化され,それによって良好な混合特性を達成する。広範なシミュレーションにより,提案フレームワークの有効性を実証した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る