フィードバック付き階層形NNによる不連続関数近似
スポンサーリンク
概要
- 論文の詳細を見る
階層形ニューラルネットワーク (階層形NN) を用いて、任意の一価連続関数を近似することができる。しかし、被近似関数が不連続性、多価性を持つ場合、従来の階層形NNで近似することは、原理的に不可能である。出力から入力へのフィードバック機構によるダイナミクスを取り入れることによって、階層形NNでも、同一入力に対して異なる出力を得ることが可能になる。この種のネットワークは、従来、時系列データの予測等に適用されていたが、筆者等は、多価関数近似問題にも適用できることを示した。本稿では、フィードバック付き階層形NNを不連続関数の近似に適用する方法を提案する。
- 社団法人電子情報通信学会の論文
- 1997-03-06
著者
関連論文
- 多価関数を近似するフィードバック付き階層形ニューラルネットワーク
- 相互結合形NNを用いた形状パターン認識
- 多段差分形カウンタープロパゲーションニューラルネットワーク
- フィードバック付き階層形ニューラルネットワークによる多価関数近似
- 不等号条件を考慮した相互結合形NNによる対応付は形状認識
- 相互結合形NNによる多重認識処理の実現--不等号条件を考慮した相互結合形NNによる対応付け形状認識
- 非零対角成分をもつ相互結合形ニューラルネットワークの収束性の解析
- フィードバック付き階層形NNによる不連続関数近似
- 相互結合形NNの最安定解をTSPの最適解に一致させる為のコスト関数置換え方式の改善
- 多価関数を実現するフィードバック付き階層形ニューラルネットワーク
- 相互結合形ニューラルネットによる形状認識モデル
- 結合行列の固有値に基づく自己フィードバックループを持つ相互結合形ニューラルネットワークの収束性の解析
- 偽記憶のない連想記憶システムのアニーリングによる改良
- 階層形NNにおける疑似データを用いる追加学習法によるパターン分類