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
スポンサーリンク
概要
- 論文の詳細を見る
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(CASM)を提案する.CASMは親パターンを記憶する第1レベル連想記憶モデルと,子パターンおよび親パターンの両者から作られる継承パターンを記憶する第2レベル連想記憶モデルから構成される.この継承パターンは子パターンに特有な情報だけを持つスパースなパターンである.この構成により,CASMの記憶容量は親パターンと子パターンとの間の相関が強くなればなるほど大きくなり,Gutfreundのモデルの記憶容量よりも大きくなることを示す.さらに、親パターンが明示的に与えられない状況を考え,子パターンから親パターンを自動形成するための学習アルゴリズムを与える.親パターンの自動形成を行なうCASMの動作を確認するため,数値実験を行なった.
- 社団法人電子情報通信学会の論文
- 1994-12-16
著者
-
岡 夏樹
松下技研株式会社
-
岡 夏樹
松下技研
-
平原 誠
松下技研株式会社
-
平原 誠
松下技術研究所
-
岡 夏樹
松下技術研究所
-
金道 敏樹
松下技術研究所
-
金道 敏樹
松下技研(株)ヒューマンインターフェース研究所
関連論文
- 発話-行動インタラクションにおける相互適応と韻律情報の影響
- 回路マッチングのためのニューラルネット : 問題規模縮小のための回路の実現
- 静的および動的なグルーピングによる部品自動配置
- 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
- 規則モジュール、例記憶モジュール、分散表現モジュールからなる学習/推論システム
- 配置設計事例からの配置制約の学習
- 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
- 連想記憶の想起過程の幾何的解析
- 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