反学習を行う疑似競合ネットワーク
スポンサーリンク
概要
- 論文の詳細を見る
連続な非線形関数を近似するモデルである疑似競合ネットワークは、中間層の素子の集団反応強度が一定という特性と、素子数の変化を含む学習アルゴリズムを有することから、目的関数を反映した構造を素早く形成するとともに高い汎化能力を持っている。この疑似競合ネットワークの学習アルゴリズムが、反学習を含むものに拡張される。導入された反学習アルゴリズムは局所情報だけを用いる点に際だった特徴があり、その計算量は非常に少ない。反学習を含む学習アルゴリズムを用いることによって、疑似競合ネットワークにおいて活性化される素子数は約20%減少する。反学習によって誤差の増加がみられるものの目標精度を十分満たし、学習速度もほとんど影響を受けない。こうした優れた性質は、疑似競合ネットワークが、中間層の素子の集団反応強度が一定という特性をもち、局所分散表現モデルであることに起因する。
- 社団法人電子情報通信学会の論文
- 1994-05-19
著者
関連論文
- 階層的に相関を持つパターンを記憶するカスケード連想記憶モデル
- 競合的な局所基底ニューラルネットワークによる連続関数の疑似分節化 : 設計者を超えた創造的な問題解決
- 競合的な局所基底ニューラルネットワークへの規則の埋め込みと精密化
- 忘却を行なう自己相関連想記憶の幾何的性質
- 連想記憶の想起過程の幾何的解析
- 自己相関行列による連想記憶における記憶法の改良
- 産学協同の基礎知識としての特許
- 連続時間型ニューロウインドウ法の解析
- 反学習を行う疑似競合ネットワーク
- 連想記憶のダイナミクスの解析
- 質問能力を持ったニューラルネット
- 符号反転記憶法による自己相関連想記憶の改良