| 講演名 | 1996/3/19 多価関数を実現するフィードバック付き階層形ニューラルネットワーク 富川 義弘, 秋山 等, 中山 謙二, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 出力を入力にフィードバックさせる機構を持たせることで, 階層形ニューラルネットワークを多価関数近似に適用できることを示す. 従来形の階層形ニューラルネットワークでは, 同じ入力に対して異なる出力を出すことは, 原理的に不可能である. そのため, 同じ入力に対し, 多値を取るような多価関数を階層形ニューラルネットワークで学習させることは, 一般的に難しい. 提案するモデルは, フィードバックを投げることでネットワークをダイナミックにし, 初期値に応じて異なる値に収束させることで, 多価間数近似を可能にする. 学習特には, 出力教師データを入力にも与えることで学習の矛盾を取り除く. また, フィードバック機構による収束性を制御する為に, 学習更新別に微分条件を付加する. 提案モデルは, シミュレーションにより検証された. その結果, 多価度の変化の無い直線データに関しては, その有効性が確認できた. しかし, 多価度変化のあるS字曲線に対しては, 非学習領域で不安定な挙動を示すことも判明した. |
| 抄録(英) | In this paper, it is proposed that a multi layer neural network can approximate many-valued functions by using the feedback loop from the output to the input. Conventional neural networks could not give different output form the same input. It was therefore difficult to apply them to the approximation problems of many-valued functions. The state of the proposed model becomes dynamic by the effect of the feedback loop, so that it can takes the different values by changing the initial states. In learning phase. teaching data for the output neuron are given also to the input neuron so as to remove the contradiction between the input and output data. In addition, the differential condition for the network function are loaded. In simulation, in was confirmed that the proposed model could find [he approximated lines from the learning data, which were extracted from the original lines. However, for the S line data, the proposed network indicated the strange behavior. From these results, the proposed model canbe thought to be applied to the many-valued functions which have a constant number of values. |
| キーワード(和) | 階層形ニューラルネットワーク / フィードバック / 多価関数 / 関数近似 / 微分条件 / 逐次代入法 |
| キーワード(英) | Multilayer neural network / Feedback loop / Mary-valued function / Approximated function / Differential condition / Method of successive substitution |
| 資料番号 | NC95-167 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 1996/3/19(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 多価関数を実現するフィードバック付き階層形ニューラルネットワーク |
| サブタイトル（和） | |
| タイトル（英） | A Multilayer Neural Network With A Feedback Loop Approximating Many-Valued Functions |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 階層形ニューラルネットワーク / Multilayer neural network |
| キーワード(2)（和/英） | フィードバック / Feedback loop |
| キーワード(3)（和/英） | 多価関数 / Mary-valued function |
| キーワード(4)（和/英） | 関数近似 / Approximated function |
| キーワード(5)（和/英） | 微分条件 / Differential condition |
| キーワード(6)（和/英） | 逐次代入法 / Method of successive substitution |
| 第 1 著者 氏名（和/英） | 富川 義弘 / Yoshihiro Tomikawa |
| 第 1 著者 所属（和/英） | 金沢大学大学院自然科学研究科 Graduate School of Natural Sci. & Tech., Kanazawa Univ. |
| 第 2 著者 氏名（和/英） | 秋山 等 / Hitoshi Akiyama |
| 第 2 著者 所属（和/英） | 金沢大学大学院自然科学研究科 Graduate School of Natural Sci. & Tech., Kanazawa Univ. |
| 第 3 著者 氏名（和/英） | 中山 謙二 / Kenji Nakayama |
| 第 3 著者 所属（和/英） | 金沢大学工学部電気情報工学科 Faculty of Eng., Kanazawa Univ. |
| 発表年月日 | 1996/3/19 |
| 資料番号 | NC95-167 |
| 巻番号（vol） | vol.95 |
| 号番号（no） | 599 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |