| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2013-03-13 11:05 スパース結合動的バイナリーニューラルネットワークの学習とその応用 ○森安淳吾・上月良太・斎藤利通（法政大）  NC2012-136 |
|
| 抄録 | （和） | 簡素な動的バイナリーニューラルネットワークの基本的なダイナミクスと学習能力について述べる。同ネットワークはシグナム活性化関数を用い、様々な2値の周期軌道を生成することが可能である。このネットワークのダイナミクスはグレイコードリターンマップを用いて視覚化する。学習アルゴリズムは相関学習に基づいており、所望の周期軌道を埋め込むために、相関学習に基づく簡素な学習アルゴリズムを導入する。ある教師信号を埋め込み、結合行列のスパース化と軌道の安定性を調べる。あるクラスの教師信号を用いて基本的な数値実験を行い、教師信号を記憶させて結合をスパース化すると、埋め込んだ信号の収束域が拡大する場合のあることを確認する。 |
| （英） | This paper studies basic dynamics and learning capability of the simple dynamic binary neural network. The network has the signum activation function and can exhibit various binary periodic orbits. The network dynamics can be visualized by the Gray-code-based return map. In order to store a desired binary periodic orbit, we present a simple learning algorithm based on the correlation learning. We then try to store a teacher signal and investigate relation between sparsity of weighting matrix and stability of the stored orbit. Performing basic numerical experiment for a class of teacher signal, we have confirmed that the teacher signal can be stored and the domain of attraction can be enlarged as the sparsity increases. | |
| キーワード | （和） | ニューラルネットワーク / 相関学習 / リターンマップ / スパース / / / / |
| （英） | Neural Network / Correlation learning / Return Map / Sparse / / / / | |
| 文献情報 | 信学技報, vol. 112, no. 480, NC2012-136, pp. 13-17, 2013年3月. | |
| 資料番号 | NC2012-136 | |
| 発行日 | 2013-03-06 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2012-136 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2013-03-13 - 2013-03-15 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa University |
| テーマ（和） | ME，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2013-03-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | スパース結合動的バイナリーニューラルネットワークの学習とその応用 |
| サブタイトル（和） | |
| タイトル（英） | Learning of Dynamic Binary Networks with Sparse Connection and Its Application |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(2)（和/英） | 相関学習 / Correlation learning |
| キーワード(3)（和/英） | リターンマップ / Return Map |
| キーワード(4)（和/英） | スパース / Sparse |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 森安 淳吾 / Jungo Moriyasu / モリヤス ジュンゴ |
| 第1著者 所属（和/英） | 法政大学 (略称： 法政大) Hosei University (略称： Hosei Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 上月 良太 / Ryota Kouzuki / コウヅキ リョウタ |
| 第2著者 所属（和/英） | 法政大学 (略称： 法政大) Hosei University (略称： Hosei Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 斎藤 利通 / Toshimichi Saito / サイトウ トシミチ |
| 第3著者 所属（和/英） | 法政大学 (略称： 法政大) Hosei University (略称： Hosei Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-03-13 11:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2012-136 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.480 |
| ページ範囲 | pp.13-17 |
| ページ数 | 5 |
| 発行日 | 2013-03-06 (NC) |
[研究会発表申込システムのトップページに戻る]