DBM学習を行う非単調ニューラルネットワークの集積化について

スポンサーリンク

概要

論文の詳細を見る
学習機能を持つネットワークとして代表的な決定論的ボルツマンマシン(DBM)において、ひとつのバイアルニューロンを含む2-3-1DBMネットワークの隠れ層ニューロンに対し、非単調ニューロンを適用した場合、学習性能が向上することを数値シミュレーションによって確認した。本稿では、入力及び出力の次元をさらにひとつ増やした3-3-2ネットワークに論理回路でいう全加算器を学習させ、比較検討を行った。なお非単調関数としては、end-cut-offタイプ関数及びその区分線形化関数を用い、それらの閾値をθとした。数値シミュレーションの結果、非単調関数の閾値θを適当な値に設定することにより、単調関数の場合より非常に高い学習性能を示すことが確認できた。また、非単調ニューロンを導入した2-3-1DBMネットワークをチップで実現し、その基本構成回路の動作測定を行った。
社団法人電子情報通信学会の論文
1998-06-25

著者

関連論文

もっと見る

スポンサーリンク