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 |