極小値化学習による複素リカレント・ニューラルネットワークの時間領域における動作安定化

スポンサーリンク

概要

論文の詳細を見る
リカレント・ニューラルネットワークの時間領域における動作安定化を図るため、本来の教師信号の周りの点を利用して軌道安定化する、「極小値化学習」を新たに提案する。一般的にリカレント・ニューラルネットワークは時系列データを扱うことができる。しかしネットワーク内の信号滞留時間が長くなるにしたがって、通常、正のリアプノフ指数を示すようになり、すなわち動作が不安定化する。提案する学習方法は、簡単に言って、情報ベクトル空間でネットワークのダイナミクスを決めている超曲面に対して、ある種の凹面を重畳するものである。この処理は、ちょうど入力信号空間において誤差関数を強制的に極小値化することに対応している。実験によって、極小値化学習を用いることにより正の値のリアプノフ指数が負またはゼロの値に抑制され、ネットワークの時間領域における振る舞いが安定化されることが確認されたので、報告する。
社団法人電子情報通信学会の論文
1998-03-19

著者

関連論文

もっと見る

スポンサーリンク