二次遅れを考慮したニューラルネットワークによる時系列の学習

スポンサーリンク

概要

論文の詳細を見る
脳の記憶機構を考える上で、ある時系列の一部分から全体を連想することは特に記憶の連想をモデル化する重要な問題の一つである。時系列を学習する神経回路モデルとしてはDoyaらによるニューラルネットワークに非対称結合を持たせ、状態遷移を起こさせることにより周期パターンを発生させるものがある。また、エルマンは一次遅れを持つリカレントネットワークを提案している。これらのモデルを用いることにより、時系列を学習し、その一部分からそれに続く時系列を予測することができる。しかし、この方法では繰り返しを含む時系列をうまく学習しない場合がある。本研究では、このリカレントネットワークに二次遅れの層を持たせ、時系列の学習を強化するモデルを提案する。
一般社団法人情報処理学会の論文
1994-09-20

著者

関連論文

もっと見る

スポンサーリンク