| 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 | 2017-03-13 11:15 動的バイナリーニューラルネットのスパース化と安定性について ○青木俊祐・佐藤龍直・斎藤利通（法政大）  NC2016-81 |
|
| 抄録 | （和） | 動的バイナリーニューラルネットワークのスパース化と所望の周期軌道の安定性の関係について考察する． 本ネットワークはシグナム活性化関数と2値結合パラメータによって特徴づけることができる． 同ネットワークはパラメータや初期値に依存して 様々な周期軌道を生成することができる． ネットワークのふるまいをみるために周期軌道の安定性とネットワークのスパース性を示す2つの簡素な特徴量を導入する． 本論文はDBNNにおける2つの基本的な問題を考える． 1つめは結合パラメータのスパース化と所望の周期軌道の安定性の関係性についてである． 周期軌道を記憶したパラメータに対し，ランダムにスパース化を行う． 典型例による数値実験によって 特徴量の統計的なデータを取り，所望の周期軌道の安定性に対するスパース化の有用性を調べる． 2つめは周期軌道を記憶したパラメータに対し，可能な限りスパースを行う． 限界までスパースを行うことでDBNNがシフトレジスタと関連付けられることを確認する． |
| （英） | This paper studies relation between sparsification and stability of a desired binary periodic orbit in the dynamic binary neural networks. Depending on parameters and initial conditions, the network can generate various binary periodic orbits. In order to show the connection sparsity and orbit stability, we introduce two simple feature quantities. Performing basic numerical experiments, we consider two basic problems. First, as the connection sparsity increases, the orbit stability varies. In order to store a desired periodic orbit, we have applied a correlation based learning method. Second, as the connection sparsity approaches to the most sparse case, the dynamic binary neural network approaches to an equivalent system to the shift register where all the periodic orbits are not stable. |
|
| キーワード | （和） | バイナリーニューラルネット / スパース化 / 特徴量 / / / / / |
| （英） | Binary neural networks / Sparsification / Feature quantities / / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 521, NC2016-81, pp. 103-107, 2017年3月. | |
| 資料番号 | NC2016-81 | |
| 発行日 | 2017-03-06 (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 | NC2016-81 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2017-03-13 - 2017-03-14 |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| 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 | 2017-03-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | 動的バイナリーニューラルネットのスパース化と安定性について |
| サブタイトル（和） | |
| タイトル（英） | Stability and Sparsity of Dynamic Binary Neural Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | バイナリーニューラルネット / Binary neural networks |
| キーワード(2)（和/英） | スパース化 / Sparsification |
| キーワード(3)（和/英） | 特徴量 / Feature quantities |
| キーワード(4)（和/英） | / |
| 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） | 青木 俊祐 / Shunsuke Aoki / アオキ シュンスケ |
| 第1著者 所属（和/英） | 法政大学 (略称： 法政大) Hosei University (略称： HU) |
| 第2著者 氏名（和/英/ヨミ） | 佐藤 龍直 / Ryuji Sato / サトウ リュウジ |
| 第2著者 所属（和/英） | 法政大学 (略称： 法政大) Hosei University (略称： HU) |
| 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： HU) |
| 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 | 2017-03-13 11:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2016-81 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.521 |
| ページ範囲 | pp.103-107 |
| ページ数 | 5 |
| 発行日 | 2017-03-06 (NC) |
[研究会発表申込システムのトップページに戻る]