マージン最大化学習によるHopfieldモデル

スポンサーリンク

概要

論文の詳細を見る
Support Vector Machinesに用いられるマージン最大化学習法を,Hopfieldモデルの学習に適用することで,耐雑音性を向上させることができる.また,マージン最大化学習法は,相関学習法同様の学習式を用いることで,初期値,学習順序にほとんど依存せず,一意に最適な重みを得られるという特徴を持っている.本論文では,従来学習法と比較を行なうことで,マージン最大化学習法を用いたHopfieldモデルの特性を述べる.さらに,マージン最大化学習法を用いたHopfieldモデルは,従来の相関学習に基づくモデルと得られる重み以外に違いはないため,先行研究の手法を簡単に導入できる.そこで,想起時にニューロンの更新順序が耐雑音性に与える影響を抑えるために,先行研究を改良した大域可変しきい値を導入したモデルを提案する.そして,計算核実験によって従来モデルと比較を行ない,マージン最大化学習法を用いた提案モデルの有効性を示す.
2007-03-07

著者

関連論文

もっと見る

スポンサーリンク