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
スポンサーリンク
概要
- 論文の詳細を見る
脳では様々な機能に関連した部位がスパースに結合し,情報を交換している.それを真似て自己想起型カオスニューラルネットワークを一方向的にスパースに結合し,ネットワーク間の動的状態の相関や情報伝達を数値的に調べ,次の結果を得た:(i)結合強度を強めるに従い,ネットワークの相関が強まり,ネットワークのカオス性が弱められた (ii)ネットワークの出力間の平均相互情報量は出力の時間差とともに振動した.
- 2012-01-16
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
- 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)