ホップフィールドニューラルネットワークスにおいて大域的最適解が得られる目的関数の族について
スポンサーリンク
概要
- 論文の詳細を見る
ホップフィールドニューラルネットワークスにおいて状態空間の原点に十分近い点を初期状態としてとれば大域的最適解が得られるであろうという予想が成立するような目的関数(エネルギー関数)の族について議論している. この予想に関してNishi (1998)は固有ベクトル解析を通して目的関数の興味深い族を与えている. 本論文ではこの結果を拡張し, 目的関数のより大きな範囲の族に対して上の予想が成り立つことを示す.
- 社団法人電子情報通信学会の論文
- 1999-05-20
著者
関連論文
- データ復元におけるヒトの予備知識について
- 情報科学からみたニュ-ラルネット (ニュ-ラルネット)
- ホップフィ-ルドマシンと疑似勾配系 (ニュ-ラルネットの数理--脳の解明に向けて)
- 遺伝子にみる進化の情報 (情報圧縮--モデルの推定)
- かたちのスペクトル分析--視覚からみたパタ-ン認識 (画像)
- 情報量規準による区分的線形推定
- 遺伝的アルゴリズムの収束性
- 量子計算と線形2端子回路網 (函数解析学の応用としての情報数理の研究)
- ホップフィールドニューラルネットワークスにおいて大域的最適解が得られる目的関数の族について
- パターンの構造を考慮に入れた学習理論について (パターン認識のための学習 : 基礎と応用)