変動する環境下における最適化問題とカオスニューラルネットワーク
スポンサーリンク
概要
- 論文の詳細を見る
最適化問題に相互結合型の神経回路網を応用する方法として、ホップフィールドモデル、雑音を付加するモデル、およびカオス状態を持ちうるモデルの3つのモデルの能力差を実験的に検討する。特に、最適化すべき条件が時間と共に変動してゆくような環境を考察し、その場合には、カオス状態を持ちうるようなモデルが、環境変化に追随するという点で他の二つのモデルよりも優れていることを示し、その理由を統計物理学の立場から考察する。
- 社団法人電子情報通信学会の論文
- 1995-12-09
著者
関連論文
- 多項式近似における学習データの最適設計と予測誤差
- ニューラルネットの過学習と中間層の一次独立性について
- 有限ウェーブレット展開の一手法
- 変動する環境における遺伝的アルゴリズムの設計法
- 階層型モデルと正則な統計モデルの相違について
- 変動する環境下での遺伝的アルゴリズムの有効な構築法
- 変動する環境下におけるカオスニューラルネットワークの有効性
- 確率的発見法により最適経路を見い出すカオスニューラルシステム
- ニューラルネットの過学習に関する実験的検討
- 項目重視度を持つ検索法による観光案内システム
- 変動する環境下における最適化問題とカオスニューラルネットワーク
- 自律移動型イベント取材ロボットの提案
- 遺伝的アルゴリズムを用いたゴミ収集経路の最適化