反ヘブ結合でつながれた二つのランダム対称ネットワーク上のパタン表現による独立成分の分離
スポンサーリンク
概要
- 論文の詳細を見る
本研究では, 反ヘブ結合でつながれた2つのランダム対称ネットワークからなるモデルと, その学習則を提案する.提案モデルに2つの独立成分を持つ入力信号を与えると, それぞれの独立成分は, モデルの持つ2つのランダム対称ネットワーク上にそれぞれに分離, 抽出されることを計算機実験により確認した.従来の自己組織化マップのモデルは層内結合がメキシカンハット型をしている.そのため, 情報の抽出は入力に勝者ニューロンを対応させることで行っていた.しかし提案モデルはランダム対称な層内結合を導入しているため, 情報の抽出は入力に勝者ニューロンを対応させるのではなく, 入力にネットワークの発火パタンを対応させることで行う.つまり提案モデルは, 2層それぞれに異なる独立成分を発火パタンによって抽出する, パタン表現の自己組織化のモデルである.
- 社団法人電子情報通信学会の論文
- 2005-06-16
著者
関連論文
- 非線形振動子場における局在振動の研究 (非線形問題)
- 細胞新生する連想記憶モデルの統計力学的解析(確率モデル,統計,学習,神経ダイナミクス,一般)
- 非対称近傍関数の導入による自己組織化マップの学習過程の高速化(脳活動の計測と解析,生命現象の非線形性,一般)
- 非対称近傍関数の導入による自己組織化マップの学習過程の高速化(脳活動の計測と解析,生命現象の非線形性,一般)
- 非線形振動子場における局在振動の研究(機械学習によるバイオデータマインニング,生命現象の非線形性,一般)
- NLP2010-5 非線形振動子場における局在振動の研究(企画セッション:生命現象の非線形性,機械学習によるバイオデータマインニング,生命現象の非線形性,一般)
- 反ヘブ結合でつながれた二つのランダム対称ネットワーク上のパタン表現による独立成分の分離
- 自己組織モデルの新しい方向
- スパースな局在興奮パターンによる自己組織マップを用いた楽器音の分離(音楽情報処理)
- スパースな局在興奮パターンによる自己組織マップを用いた楽器音の分離
- ランダム対称結合回路による情報表現の自己組織モデル
- 局所的な分散表現を持つトポグラフィックマップ
- NLP2000-19 / NC2000-13 スパースでランダムな局在興奮による新しい情報表現の自己組織化
- NLP2000-19 / NC2000-13 スパースでランダムな局在興奮による新しい情報表現の自己組織化
- スパースな局在興奮パターンによる自己組織マップ
- 多重マップモデルによる2種の情報の分離抽出
- 多重マップモデルによる二種の情報の分離抽出
- 偏りのある確率分布関数と突然変異を用いた交叉による実数値GAの探索性能の改良
- 自己組織モデルのための神経場における局在振動の研究(機械学習によるバイオデータマインニング,一般)
- 14aTD-12 対数線形モデルの統計力学(情報統計力学, 領域 11)
- 対数線形モデルによるスパイク解析の統計力学
- 28pTJ-14 細胞新生する連想記憶モデルの統計力学的解析(28pTJ ニューラルネットワーク,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- これは接触の準備
- トポロジーを持つ非線形独立成分を分離する分散表現自己組織モデル(一般,機械学習によるバイオデータマインニング・生命現象の非線形性,一般)
- 23pTL-2 非対称近傍関数を用いた自己組織化マップの秩序形成過程の改善(ニューラルネットワーク,領域11,統計力学,物性基礎論,応用数学,力学,流体物理)
- 分散表現による情報分離の自己組織モデル : 本稿を故和田浩司博士に捧げる(機械学習によるバイオデータマインニング,一般)
- 階層型自己組織化による嗅内皮質のグリッド細胞モデル(「機械学習によるバイオデータマインニング」及び「一般」)
- 反ヘブ結合でつながれた2つのSOMによる3次元入力の地図形成
- 22aPS-4 非対称近傍関数を用いた自己組織化マップ(領域11ポスターセッション,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- 情報成分の数とSOMの数が一致しない入力に対する反ヘブ結合でつながれたSOMによる地図形成
- 情報分離による複雑型細胞受容野の自己組織的形成モデル(情報論的学習理論論文)
- 劣性遺伝構造を有するニュｰロ制御器を用いた段階的GA学習法による多重トレｰラの制御系設計法
- SOMとニューラルガスの直積モデルによるロボットの位置と向きの情報の分離(バイオサイバネティックス,ニューロコンピューティング)
- SOMとニューラルガスの直積モデルによる情報分離について : 視覚入力から位置と向きの分離(「脳・認知科学」及び一般)
- ランダム対称結合回路に基づくモデルによって自己組織されるパタン表現について
- 複数勝者自己組織マップによる疑似直交情報の分離と領野形成
- 多様な特徴抽出細胞の組合せによる分散表現の自己組織化
- 抑制性結合で結ばれた複数の学習神経場による非線形主成分分析
- 3層連続多重マップモデルによる非線型主成分の抽出
- 入力情報の連続的対応による自己組織多重マップの引込み
- 神経振動子場における局在振動の位相同期に関する研究
- 二つの1次元SOMの結合による独立成分分析と主成分分析
- 変換群を持つ統計モデルの幾何学(統計的推定論の研究)
- 振動子型自己組織化マップによる情報分離抽出 (ニューロコンピューティング)
- スパースコーディングを用いた指数忘却を持つ連想記憶モデルの相互情報量による最適化 (ニューロコンピューティング)
- 方位と方位選択感度のサイズを変化させたときのSOMによる第一次視覚野の機能地図の再現 (ニューロコンピューティング)
- 神経振動子場における局在振動の位相同期に関する研究
- スパースコーディングを用いた新生ニューロンをもつ連想記憶モデルの相互情報量による最適化と指数的忘却との比較
- スパースコーディングを用いた新生ニューロンをもつ連想記憶モデルの相互情報量による最適化と指数的忘却との比較
- 対数線形モデルを用いたスパイク解析手法の統計力学
- 対数線形モデルを用いたスパイク解析手法の統計力学
- SOMの関数近似への応用
- 大脳皮質視覚野の盲点周りの眼優位コラム形成
- 自然画像のシフトを考慮したスパース表現による複雑な基底関数の生成
- 視覚モデリングと自己組織地図
- 位相同調とトポグラフィックマッピング形成 (脳のモデル化研究最前線)
- 神経場の自己組織 (ニュ-ラルネットの数理--脳の解明に向けて)
- 脳解明の数理的アプロ-チ (ニュ-ラルネットの数理--脳の解明に向けて)
- 競合的な隠れユニットを持つ神経回路網の学習について
- 神経回路モデルとしてのボルツマン・マシン (ニュ-ラル・ネット--脳科学の前線)
- 方位と方位選択感度のサイズを変化させたときのSOMによる視覚第一次野の機能地図の変化(一般講演,機械学習によるバイオデータマインニング,一般)
- 振動子型自己組織化マップによる情報分離抽出(一般講演,機械学習によるバイオデータマインニング,一般)
- 23aGE-8 細胞新生するスパースな連想記憶モデルの統計力学的解析(23aGE ニューラルネットワーク,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- スパースコーディングを用いた指数忘却を持つ連想記憶モデルの相互情報量による最適化(知的システム,一般)
- 細胞新生するスパースなHopfieldモデルの統計力学的解析(ニューロコンピューティングの実装及び人間科学のための解析・モデル化,一般)
- スパースコーディングされた新生ニューロンをもつ連想記憶モデルの相互情報量による最適化 (ニューロコンピューティング)
- スパースコーディングされた新生ニューロンをもつ連想記憶モデルの相互情報量による最適化(BCI/BMIとその周辺,一般)
- 0次減衰する連想記憶モデルの記憶容量に関する研究(一般,複雑系とニューロコンピューティング)
- スパースコーディングを用いた新生ニューロンをもつ連想記憶モデルの相互情報量による最適化と指数的忘却との比較 (数理モデル化と応用 Vol.5 No.2)
- 0次減衰する連想記憶モデルの記憶容量に関する研究
- スパースコーディングされた新生ニューロンをもつ連想記憶モデルの相互情報量による最適化
- ボルツマンマシンを応用したトポグラフィックマッピングの形成モデルについて