ホップフィールド型ニューラルネットのコスト係数の制御
スポンサーリンク
概要
- 論文の詳細を見る
ホップフィールドネットを用いて組合せ最適化問題を解く際には,エネルギー関数中の制約項の係数とコスト項の係数を適切に設定しなければならない.従来,これらの係数の値は,経験や試行錯誤的に決められていた.このために制約条件を満足する解が得られなかったり,コスト値の良い解が得られない等の問題が生じた.本論文では,これらの問題を解決するために制約項の係数を一定とし,コスト項の係数を適切に制御する方法を提案する.この方法では,解を得るための制約条件を段階的に変えていき,最後の制約条件をすべて満足したときが解になるようにする.その際,各制約条件下でコスト係数の値が最大値をとるように制御することにより,高品質の解が得られる.この方法を評価するために10から30都市の巡回セールスマン問題に適用した結果,従来の制約項の係数を制御する方法と比較し,エラーはいずれの都市数でも改善でき,計算時間は約1けた短縮できた.
- 社団法人電子情報通信学会の論文
- 1995-01-25
著者
関連論文
- ニューラルネットワークによる情動・記憶モデルの構成
- 並列型AIマシン (「AIマシン」)
- 適応デバイスの研究開発
- 実世界適応デバイス : 実時間適応を目指して
- 並列構造記述モデルとそれを実現する高水準並列計算機
- やわらかいハードウェア : デバイス,アーキテクチャ,設計技術,応用研究の展開
- やわらかいハードウェア : デバイス,アーキテクチャ,設計技術,応用研究の展開
- やわらかいハードウェア : デバイス,アーキテクチャ,設計技術,応用研究の展開
- やわらかいハードウェア : デバイス,アーキテクチャ,設計技術,応用研究の展開
- やわらかいハードウェア : デバイス,アーキテクチャ,設計技術,応用研究の展開
- やわらかいハードウェア : デバイス,アーキテクチャ,設計技術,応用研究の展開
- 進化するハードウェアを用いたパターン認識システム
- 遺伝的アルゴリズムとその応用
- 場所細胞の位置マップと強化学習を用いた移動ロボットのナビゲーション(画像認識, コンピュータビジョン)
- 場所細胞の位置マップによる移動ロボットのナビゲーション
- ニューラルガスと強化学習による移動ロボットのナビゲーション
- 場所細胞による移動ロボットのナビゲーション
- 海馬の三次元神経回路による連想記憶モデル
- 3S-1 'neuron-oid'系における創発的情報処理(第3報) : 'neuron-oid'での入力間の同期検出
- 大規模な巡回セールスマン問題に対するホップフィールドニューラルネットの性能比較
- 都市隣接性に基づく巡回セールスマン問題のニューラルネットによる解法とその評価
- 多層ニューラルネットにおける種々の自己回帰(AR)ニューロンモデルの性能比較
- ホップフィールド型ニューラルネットにおける自己結合係数の制御による解の改善
- ARLNN: 自己回帰モデルをリンクに持つ多層ニューラルネットワーク
- アナログニューラルネットによる最適化問題の効率的な解法
- ホップフィールド型ニューラルネットにおける自己結合係数の制御による解の改善
- ホップフィールド型ニューラルネットのコスト係数の制御
- ホップフィールド型ニューラルネットによる最適化問題の効率的な解法
- 遺伝的アルゴリズムのハードウェア化に関する考察 : 選択確率計算の演算回路
- 遺伝的アルゴリズムのハードウェア化に関する考察 : 選択確率計算の演算方式
- "進化するハードウェア"による有限オートマトンの学習
- ホップフィールド型ニューラルネットワークにおけるコスト係数の制御
- フィードバック付き多層ニューラルネットワーク
- しきい値動的制御法による巡回セールスマン問題の解法
- フィードバック付き多層ニューラルネットワーク
- 進化型アナログLSI -遺伝的アルゴリズムによる製造誤差への適応-
- 並列連想プロセッサIXM2
- 意味記憶システムIX : 意味ネットマシンIXM2によるword disambiguationの実験
- 用例主導型機械翻訳の超並列連想プロセッサIXM2による高速化
- 複素バックプロパゲーション学習アルゴリズムの学習特性
- 複素バックプロパゲーション・ネットワークにおける重みパラメータと決定表面の構造
- 非負値生産関数を持つ資源配分モデルの解析
- 複素バックプロパゲーション学習
- 複素バックプロパゲーション学習
- シミュレーテッドアニーリング法を用いたRNA二次構造予測
- 遺伝的アルゴリズムによる回路合成方式の高速化手法
- GAによるニューラルネットワークの構造学習用回路の実現
- 障害者に適応可能な筋電操作型義手の開発
- 可変長染色体GAを用いた進化するハードウェアの学習
- メモリネットワーク : 大規模ニューラルネットワークのハードウェア化法
- μBRAIN : コネクショニストAIシステム : 状態ユニットを持ったニューラルネットワークによる時系列情報の処理
- NFS : ニューラルネットワークを用いたファジィ推論システム
- ニューラルネットワークを実現するメモリネットワーク
- μBRAIN : 知能体実現のための構造化ニューラルネットワーク
- NFS : ニューラルネットワークを用いたファジィ推論システム
- バックプロパゲーションアルゴリズムの学習能力
- 応用指向メモリ (メモリ)
- マイクロプロセッサ(PULCE)におけるマイクロ命令の静的使用特性
- モジュール型複合計算機 (ACE) の試み(分散処理)
- マイクロプロセッサア-キテクチャの一設計
- ETL[電子技術総合研究所]マイクロ処理ユニットのア-キテクチャ (マイクロコンピュ-タ)
- C.mmp マルチ・ミニ・プロセッサについて
- マルチプロセッサシステム用相互排斥モジュールの一設計
- RBFネットワークを用いた時変環境におけるQ-learning :遺伝的アルゴリズムによる有用度関数の構成法
- クラシファイヤシステムによる実数値デークの学習に関する一考察
- 進化論的手法によるブール関数の学習について
- クラシファイヤシステムの引き込み(汎化)能力と二倍体モデルの適用について
- 遺伝的アルゴリズムを用いたディジタル印刷画像の2値画像符号化
- アナログ進化型ハードウェアの研究開発
- 意味記憶システムIX : 知識表現言語IXLのルール・コンパイラの開発
- 意味記憶システムIX : 意味ネットマシンIXM2の構成
- 意味記憶システムIX : 意味ネットマシンIXMプロトタイプでの処理実験
- 意味ネットワークマシン(IXM)プロトタイプの開発
- 意味記憶システムIX : 要素プロセッサ間結合方式のシミュレーション
- 意味記憶システムIX : 意味ネットワークのIXMマシンへの割り付け
- 高度並列計算機方式とその画象処理への適用性
- 進化するハードウェアを用いた適応型システムの構築
- 進化するハードウェアによる引き込みの実現方法
- 3. アーキテクチャ 3.6 意味ネットワークマシン (並列処理マシン)
- 進化型ハードウェアと産業応用
- 進化型ハードウエアと産業応用
- 進化型ハードウェア (やわらかいハードウェア)
- 自己回帰ニューロン(ARN)で構成するフィードバック付き多層ニューラルネット
- 遺伝的学習に基づく適応型ハードウェアの研究
- ハードウエア進化
- 進化するハードウェアをめざして (人工生命ワークショップ)
- PPSN-92会議報告
- 機能メモリのアーキテクチャとその並列計算への応用 7. 人工知能への応用
- IXMにおける連想メモリ上の並列演算性能
- Scott E. Fahlman and Geoffrey E. Hinton (CMU): "Connectionist Architectures for Artificial Intelligence" COMPUTER, p.100-109, Jan. 1987
- 進化するハードウェアによるパターン認識システムの実現方法の考察
- 遺伝的アルゴリズムを用いた光ファイバの自動調芯システム
- RBFを用いた進化型ハードウェアによる適応等化器
- RBFを用いた進化型ハードウェアによる適応等化器
- ポリプロセッサ・シミュレーション・システム : PPSS
- 73-27 ARPA ネットワークのための新しいミニコンピュータ/マルチプロセッサ
- マイクロプロセッサ(PULCE)を用いたConcurrent Pascalマシン
- 高級言語による並列処理の記述
- マルチプロセッサシステムにおけるConcurrent Pascalマシン
- バス結合マルチプロセッサシステムの解析モデルと解析