積和型sinネットワークの学習能力
スポンサーリンク
概要
- 論文の詳細を見る
本稿では,入力信号と重みの積和を入力,sin関数を出力関数とする積和型sin素子を提案する.この素子により構成される階層型ネットワークは,学習が高速で収束率が高いという特徴を持つ.学習にはバックプロパゲーション(BP)法に基づくアルゴリズムを用いる。積和型sinネットワークを計算機上でシミュレーションし,Nビットパリティ判別問題,フィッシャーのアヤメ分類問題,2変数関数の近似問題,二重ら旋問題を学習させてその特徴を調べる。その結果,3層で二重ら旋問題の学習が可能であるなど,学習速度および収束率において優れた結果が得られることが示された.また,シグモイド素子によるネットワークと同程度の汎化能力を持つことが示された.
- 社団法人電子情報通信学会の論文
- 1997-03-18
著者
関連論文
- チャネルグラフを用いた HVHD 方式4層チャネル配線手法
- チャネルグラフを用いた3層配線におけるセル列上配線手法
- HVHD方式レイウアトモデルのためのチャネルグラフに基づく4層チャネル配線手法
- ビア衝突の発生を抑制する効率的3層チャネル配線手法
- ニュ-ラルネットワ-ク型学習を用いたVLSIのチャネル配線手法
- パルスニューラルネットワークにおける破局的な忘却の抑制を考慮したヘブ型学習則
- 積和型sin素子を用いた階層型ネットワークモデル
- 「組合せ問題とスケジューリング問題への新接近」特集号を編集して
- 並列平均場近似計算法による組合せ最適化とボルツマンマシンの学習
- 離散型トンネリングアルゴリズムによるVLSI階層的配置手法
- 距離型cos素子を用いたネットワークモデル
- 積和型sinネットワークの学習能力
- 距離型cosネットワークの学習能力
- 免疫機構を取り入れた遺伝的アルゴリズムのVLSIフロアプラン設計への応用
- 問題分割によるニューラルネットワーク生成的学習法
- 情報量を導入したBP学習法
- 生態システムの情報理論的指標について : 遷移のシミュレーションをとおして
- Predator-Preyボルテラモデルにおける進化の特微 (Mathematical Topics in Biology)
- 協力環境下での学習オ-トマトンの集団モデル