BNNの新幾何学的学習アルゴリズムついて
スポンサーリンク
概要
- 論文の詳細を見る
Binary Neural Networksの新しい幾何学的学習アルゴリズムを提案する。BNNは入出力がバイナリー信号のフィードフォワードニューラルネットである。幾何学的学習アルゴリズムは超平面による分離を用いており簡素であるが、非常に学習速度が早く、また、ハード化に適している教師あり学習アルゴリズムである。本学習アルゴリズムでは、実際には入力されない信号を仮想入力として用いる。これによって、従来は困難であった中間層が少なく、結合パラメータのばらつきが少ないネットワークが構成できる。
- 社団法人電子情報通信学会の論文
- 2001-03-15
著者
関連論文
- 重区分定数系の基本動作について
- 非線形2ポートVCCSを用いたカオス発生回路の合成について
- A-2-21 評価関数を用いた4-D重区分定数系の解析
- A-2-12 複数入力を有するスパイキング発振器について
- A-2-11 カオス的スパイキング発振器の合成
- A-2-20 RLC発火回路のパルス列入力への応答
- A-2-4 カオス的スパイキング発振器のMaster-Slave同期について
- あるカオス発生器におけるmaster-slave系のカオスの同期とその崩壊
- 従属スイッチによるカオス発生回路の結合系について
- A-2-29 時変窓付きA/Dコンバータについて
- A-2-14 積分発火モデルに基づくWindowA/Dコンバータ
- 集積化に適したスパイキングニューロン回路の実装について
- A-47 動径基底関数ネットワークによるリターンマップの近似(A-2. 非線形問題,一般講演)
- 人工神経系とカオスの制御について
- 2Port-VCCSカオス発生回路
- カオスアトタクタの再構成と不安定周期軌道について
- 新重区分線形系 : 長周期軌道の安定化と島の発生
- 従属スイッチトキャパシタとカオス
- A-50 3次元自律系ヒステリシス回路の呈するカオスと周期解について(A-2. 非線形問題,一般講演)
- 重区分線形系におけるカオスの制御
- A-2-13 スパイキングカオス発振器と状態の量子化
- DC-DCコンバータネットワークについて
- 仮想結合を有する成長型自己組織化特徴写像
- CMOSを用いたアナログSOM回路
- 四次元重区分線形系にお1ナるハイパカオス
- ABF ネットワークによる近似
- ABFネットワークによるカオス力学系の分岐予測
- バイナリーニューラルネットの新学習法
- BNNの新幾何学的学習アルゴリズムついて
- D-2-16 仮想入力を用いたBNNの新学習アルゴリズム
- 重区分線形系の周期外力応答
- 区分線形OPF法の拡張について
- ヒステリシス領域分割最適化法の基本特性
- PSOのネットワーク構造と探索性能の関係に関する考察