カオスニューラルネットワークダイナミクスへの記憶パターン間相関の影響
スポンサーリンク
概要
- 論文の詳細を見る
自己想起型カオスニューラルネットワークに互いに相関が等しい複数の記憶パターンを埋め込み想起実験を行い、記憶パターン間の相関やパラメータ値が動的性質にどのように影響するかを調べ、次の結果を得た。互いに相関のないパターンを記憶させた場合、ダイナミクスは記憶パターンとその反転パターンの遷移が基調となる。一方、記憶パターン間に相関がある場合は互いに相関のないパターンに比べ、多様なパターン間遷移が見られ、複雑なダイナミクスが現れた。また、記憶パターンを想起した時の軌道点の分布の広がりが、ホップフィールド的な自己想起のスケーリングパラメータの増加にともない減少することから、カオス的な動的想起の状態からホップフィールドモデルのような静的な想起へと移行することがわかった。
- 社団法人電子情報通信学会の論文
- 2009-02-21
著者
関連論文
- 新規性検出機能をもつ系列学習モデルの数値実験(BCI/BMIとその周辺)
- 新規性検出機能をもつ系列学習モデル
- カオスニューラルネットワークにおける確率共鳴的な現象
- カオスニューラルネットワークダイナミクスへの記憶パターン間相関の影響
- dual networkにおける系列学習の数値実験
- カオスニューラルネットワークダイナミクスへのノイズ効果
- カオスニューラルネットワークにおけるパラメータダイナミクスを用いた記憶探索
- カオスニューラルネットワークダイナミクスへのパターン間相関の影響
- 相関のあるパターンを用いたカオスニューラルネットワークのダイナミクス
- カオスニューラルネットワークによる記憶探索モデルの記憶パターンに対する敏感性とその改善
- カオスニューラルネットワークによる記憶探索モデルの記憶パターンに対する敏感性とその改善
- 海馬CA1ニューロンでのシナプス間相互作用によるシナプス可塑性の数値実験
- スパースな結合をしたカオスニューラルネットワークの動的性質
- カオスニューラルネットワークを用いたノイズ制御による記憶探索モデル
- 海馬CA1ニューロンでのシナプス間入力がSTDPに与える影響
- 海馬CA1ニューロンにおけるシナプス間入力のSTDPへの影響(バイオサイバネティックス,ニューロコンピューティング,学生論文)
- 7aPS-33 直列に結合した閾値素子の確率伝播の数値的研究((古典スピン系一般,量子スピン系,電子系 他),ポスターセッション,領域11,領域12合同,領域11)