競合的な局所基底ニューラルネットワークへの規則の埋め込みと精密化
スポンサーリンク
概要
- 論文の詳細を見る
学習すべき入出力関係について,あらかじめ分かっているif-then規則の形式の情報を,競合的な局所基底ニューラルネットワークQCNetの初期構造として自然に埋め込むことができることを示す.次に,この初期構造から出発してQCNetにおいて例からの学習を行うことにより,埋め込んだ規則のif部とthen部の修正,必要な規則の追加,冗長な規則や正しくない規則の削除のそれぞれに相当する処理を行えることを準備的な実験によって示す.さらに,分かりやすい学習結果を得,また,ノイズを含む訓練例にも対応できるように,QCNetにおける不要な素子を削除するアルゴリズムを改良する方法を提案する.
- 一般社団法人情報処理学会の論文
- 1994-06-20
著者
-
岡 夏樹
松下技研(株)ヒューマインタフェース研究所
-
岡 夏樹
松下技研(株)ヒューマンインターフェース研究所
-
金道 敏樹
松下技研(株)ヒューマンインターフェース研究所
-
金道 敏樹
松下技研(株) 研究開発グループ
関連論文
- IJCNN '93の報告
- 実世界における多戦略学習・創発計算プロジェクト(総合報告)
- 階層的に相関を持つパターンを記憶するカスケード連想記憶モデル
- 規則モジュール、例記憶モジュール、分散表現モジュールからなる学習/推論システム
- 強化学習とGAによる高密度プリント基板上の部品配置
- 意識の起源の解明をめざして
- 競合的な局所基底ニューラルネットワークによる連続関数の疑似分節化 : 設計者を超えた創造的な問題解決
- 競合的な局所基底ニューラルネットワークへの規則の埋め込みと精密化
- 環境および人との相互作用を通じて発達・成長するシステムの実現
- 連想記憶の想起過程の幾何的解析
- 反学習を行う疑似競合ネットワーク
- 連想記憶のダイナミクスの解析
- 質問能力を持ったニューラルネット