競争学習によるニューラルネット自己組織化アルゴリズム
スポンサーリンク
概要
- 論文の詳細を見る
競争学習によるニューラルネット自己組織化のアルゴリズムを与えんアルゴリズムには,大別して一括更新型と逐次更新型とがあり,両者はそれぞれ有用である.また,両者の混在も許される.これらのアルゴリズムは,従来のパターンマッチングや情報圧縮の他に,自己組織化の学習過程を利用して,組合わせ最適化問題を扱うこともできる.これは, Hopfield netや,それに雑音を加えたモデル等とは異なり, コスト関数を自ら最適化していくことを利用するものである.
- 一般社団法人情報処理学会の論文
- 1990-03-14
著者
関連論文
- α-EMアルゴリズムとその基本的性質
- 松山氏の論文"可変領域ベクトル量子化"に対する意見(本誌 昭和62年12月号掲載)
- アメリカにおける情報理論--人と動向 (情報理論--シャノン以後の展開)
- 重み付きEMアルゴリズムによる学習の高速化
- 自己組織化と外部知性との結合 : 架空のコンピュータHALの生誕によせて
- 動的計画法を用いたステレオマッチングにおける順序逆転問題の一解法
- 1-4 縮退により分裂する動的な網モデル
- 神経細胞の統計的性質とそれらの結合によるリズムの発生(1部 バイオメカニクス)
- 重み付きEM学習とモニタ構造
- 自己組織化するニューラルネットと最適化問題(ニューラルネットワーク)
- 多重降下競合アルゴリズムと並列部分最適化
- 自己組織化できるニュ-ラルネットとユ-クリッド空間におけるいろいろな巡回セ-ルスマン問題
- 競争学習によるニューラルネット自己組織化アルゴリズム
- 多重降下アルゴリズムの並列処理と画像圧縮
- 可変領域ベクトル量子化
- 逆フィルタ符号帳を用いた2種類の音声圧縮システム
- 離散時間確率過程のひずみ測度とその基本的性質
- 確率過程のひずみ測度の予測器不整合問題および符号化への応用
- ユニバ-サルな情報源符号化と音声圧縮
- 分流形抑制を持つ神経細胞の統計的性質