双方向連想メモリの高速学習
スポンサーリンク
概要
- 論文の詳細を見る
本稿では、双方向連想メモリ(BAM:Bidirectional Associative Memory)の学習において全ての学習組の想起を保証しつつ、学習回数を低減する学習アルゴリズム、Quick Learning of BAM(QLBAM)を提案する。提案型学習アルゴリズムは以下に示す特徴を有している。1)多くの学習回数を削減する。2)全ての学習組の想起を保証する。3)雑音の付加された入力に強い。4)従来のBAMに比べて記憶容量が画期的に増大する。さらに、本稿では提案型学習アルゴリズムのノイズ除去特性、記憶容量、ノイズ除去特性に関係する指標といった重要な特性をも明らかにしている。また、提案アルゴリズムとPseudo-Noise(PN)系列を用いたエピソ-ド記憶も提案している。
- 1994-03-24
著者
関連論文
- カオスニューラルネットワークにおける逐次学習
- 双方向連想メモリの交点学習法
- カオス双方向連想メモリ
- カオス双方向連想メモリ
- Multidirectional Associative Memory(MAM)による知識処理
- 共通項を含む学習組に対する改良型多方向連想メモリ
- 双方向連想メモリの高速学習
- 移動通信用ディテクターダイバーシチシステム
- 顔画像を用いた人物カラーイラスト作成システム
- 多段階ファジー推論ニューラルネットワークを用いた画像認識システム
- フェージング環境下におけるコヒーレントディテクターセレクションダイバーシチシステム
- 新しい知識表現方法(領域表現)の提案とニューラルネットワークによる実現
- ファジー規則とポテンシャル場を用いたパスプランニングシステム
- 表情から得られる理解度の推定システム