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。
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】