| 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 | 2014-01-21 15:40 逆関数ゼロ遅延モデルを用いたニューラルネットワークの学習 ○堀内優太（東北大）・早川吉弘（仙台高専）・佐藤茂雄・中島康治（東北大）  NLP2013-142 |
|
| 抄録 | （和） | 生物本来のニューロンに基づいたニューロンモデルの一つとして,逆関数遅延モデル (ID モデル) が提案 されている.これは発信能力を持つニューロンモデルで,一部の組み合わせ最適化問題における極小値問題の完全回 避が可能である.しかしながら ID モデルは計算コストが大きい問題があった.そのため大規模な問題に ID モデルを 適用するのは困難であった.この問題は逆関数ゼロ遅延モデル(IDL モデル)の提案により,組み合わせ最適化問題 においては改善された.しかし IDL モデルの学習性能についてはまだ議論されていない.そこで本研究は IDL モデル に階層型ネットワークを構築し,バックプロパゲーション (BP) 学習の導出を検討する. |
| （英） | The Inverse function Delayed (ID) model has been proposed as one of novel neural models. The ID model has an ability of oscillation, and this model can solve some local minimum problem in combinatorial optimiza- tion problems. However, ID model has large calculation cost, and it is difficult to apply for large size combinational optimization problems. This problem was solved by Inverse function Delay-Less (IDL) model in combinational optimization problems. But learning performance of IDL model has not been discussed yet. This study is to build a hierarchical network using by IDL model, and we derive back propagation learning with IDL model. | |
| キーワード | （和） | ニューラルネットワーク / 階層型ネットワーク / 逆関数 / バックプロパゲーション / / / / |
| （英） | Neural network / Hierarchical network / Inverse function / Back propagation learning / / / / | |
| 文献情報 | 信学技報, vol. 113, no. 383, NLP2013-142, pp. 73-76, 2014年1月. | |
| 資料番号 | NLP2013-142 | |
| 発行日 | 2014-01-14 (NLP) | |
| 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 | NLP2013-142 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2014-01-21 - 2014-01-22 |
| 開催地（和） | ニセコパークホテル |
| 開催地（英） | Niseko Park Hotel |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2014-01-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 逆関数ゼロ遅延モデルを用いたニューラルネットワークの学習 |
| サブタイトル（和） | |
| タイトル（英） | Neural Network learning using Inverse Function Delayless Model |
| 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） | 階層型ネットワーク / Hierarchical network |
| キーワード(3)（和/英） | 逆関数 / Inverse function |
| キーワード(4)（和/英） | バックプロパゲーション / Back propagation learning |
| 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） | 堀内 優太 / Yuta Horiuchi / ホリウチ ユウタ |
| 第1著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 早川 吉弘 / Yoshihiro Hayakawa / ハヤカワ ヨシヒロ |
| 第2著者 所属（和/英） | 仙台高等専門学校 (略称： 仙台高専) Sendai National College of Technology (略称： SNCT) |
| 第3著者 氏名（和/英/ヨミ） | 佐藤 茂雄 / Shigeo Sato / サトウ シゲオ |
| 第3著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 中島 康治 / Koji Nakajima / ナカジマ コウジ |
| 第4著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 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 | 2014-01-21 15:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2013-142 |
| 巻番号（vol） | vol.113 |
| 号番号（no） | no.383 |
| ページ範囲 | pp.73-76 |
| ページ数 | 4 |
| 発行日 | 2014-01-14 (NLP) |
[研究会発表申込システムのトップページに戻る]