学習ベクトル量子化ニューラルネットワークの耐故障性向上のための学習法
スポンサーリンク
概要
- 論文の詳細を見る
The learning vector quantization(LVQ) is a model of neural networks, and it is used for complex pattern classifications in which typical feedforward networks don't give a good performance. Fault tolerance is an important feature in the neural networks, when they are used for critical application. Many methods for enhancing the fault tolerance of neural networks have been proposed, but most of them are for feedforward networks. There is scarcely any methods for fault tolerance of LVQ neural networks. In this paper, I have proposed a dependability measure for the LVQ neural networks, and then I have presented two idea, the border emphasis and the encouragement of coupling, to improve the learning algorithm for increasing dependability. The experiment result shows that the proposed algorithm trains networks so that they can achieve high dependability.
- 拓殖大学の論文
- 2006-10-20
著者
関連論文
- 複数のホームエージェントによるMobile IPv6のプライバシーの向上(ディペンダブルシステム,組込み技術とネットワークに関するワークショップ ETNET2010)
- 複数のホームエージェントによるMobile IPv6のプライバシーの向上(ディペンダブルシステム,組込み技術とネットワークに関するワークショップETNET2010)
- ニューラルネットワークの時系列予測問題への応用
- 仮想ネットワークを用いた未使用アドレス空間の集中監視
- 仮想サーバ環境を利用したスケーラブルなハニーファームの開発
- 学習ベクトル量子化ニューラルネットワークの耐故障性向上のための学習法
- D-10-2 仮想ハニーポットによる未使用アドレス空間の監視(D-10. ディペンダブルコンピューティング, 情報・システム1)
- 学習ベクトル量子化ニューラルネットワークの耐故障学習法(安全性及び一般)
- 学習ベクトル量子化ニューラルネットワークの耐故障学習法
- 積分方程式問題による逆問題解法ニューラルネットの検討
- インターネットを利用した情報工学実験とその評価