| 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 | 2014-06-30 16:00 逆関数ゼロ遅延モデルを用いたバックプロパゲーション ○堀内優太（東北大）・早川吉弘（仙台高専）・小野美 武・中島康治（東北大）  NLP2014-25 |
|
| 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.本研究ではIDL モデルを連続時間のバックプロパゲーション (BP) 学習に適応させた.しかしよく用いられるBP 学習は離散時間で計算している.そこで本報告では,IDLモデルを用いた離散時間のBP学習を検討する. |
| （英） | The Inverse function Delayed (ID) model has been proposed as one of novel neural models. ID model has a oscillation capacity. This model can solve some local minimum problem in combinatorial optimization problems. However, The drawback of the ID model is large calculation cost. So it is difficult to apply for large size combinational optimization problems. This problem was solved by Inverse function Delay-Less (IDL) model in com- binational optimization problems. We had derived back propagation learning with IDL model at continuous-time. However, the most popular BP learn in discrete-time. So this study is to build discrete-time IDL model BP learning. | |
| 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. 114, no. 113, NLP2014-25, pp. 27-30, 2014年6月. | |
| 資料番号 | NLP2014-25 | |
| 発行日 | 2014-06-23 (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 | NLP2014-25 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2014-06-30 - 2014-07-01 |
| 開催地（和） | 東北大学 片平キャンパス |
| 開催地（英） | Tohoku Univ. |
| テーマ（和） | 一般 |
| テーマ（英） | Nonlinear Problems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2014-06-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バックプロパゲーション |
| サブタイトル（和） | |
| タイトル（英） | Backpropagation learning using inverse function delay-less 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） | 小野美 武 / Takeshi Onomi / オノミ タケシ |
| 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 | 2014-06-30 16:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2014-25 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.113 |
| ページ範囲 | pp.27-30 |
| ページ数 | 4 |
| 発行日 | 2014-06-23 (NLP) |
[研究会発表申込システムのトップページに戻る]