変動する環境下におけるカオスニューラルネットワークの有効性
スポンサーリンク
概要
- 論文の詳細を見る
実世界の最適化問題に相互結合型神経回路網を応用する場合、評価関数は時間と共に変化すると考えられる。その際に有効なモデル設計が望まれることから、本論では、ホップフィールドモデル、出力に雑音を付加したモデル、カオス状態を持ちうるモデルの3モデルについて比較実験を行い、カオスモデルの有効性を明らかにする。
- 社団法人電子情報通信学会の論文
- 1996-03-11
著者
関連論文
- 多項式近似における学習データの最適設計と予測誤差
- ニューラルネットの過学習と中間層の一次独立性について
- 有限ウェーブレット展開の一手法
- 変動する環境における遺伝的アルゴリズムの設計法
- 階層型モデルと正則な統計モデルの相違について
- 変動する環境下での遺伝的アルゴリズムの有効な構築法
- 変動する環境下におけるカオスニューラルネットワークの有効性
- 確率的発見法により最適経路を見い出すカオスニューラルシステム
- ニューラルネットの過学習に関する実験的検討
- 項目重視度を持つ検索法による観光案内システム
- 変動する環境下における最適化問題とカオスニューラルネットワーク
- 自律移動型イベント取材ロボットの提案
- 遺伝的アルゴリズムを用いたゴミ収集経路の最適化