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
スポンサーリンク
概要
- 論文の詳細を見る
多くのカオスシステムのダイナミクスはパラメータ値に敏感である.同様に,カオスニューラルネットワークに基づいた記憶探索モデルの性能も記憶パターンに敏感である.従って,記憶探索モデルは記憶パターンを変更する度に最適なパラメータ値を探す必要がある.本研究では,まずカオスニューラルネットワークにパラメータダイナミクスを導入して記憶探索モデルを提案する.次に,そのモデルの性能が記憶パターンに敏感であることを示す.最後に,pseudo-inverse approach を用いてシナプス結合を形成することで,提案モデルは記憶パターンを変えてもパラメータを変更する必要がない汎用性を持つことを示す.
- 2010-12-09
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)
- 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