| 講演名 | 1994/5/19 相互結合形連想記憶NNにおける誤差訂正学習法の安定化と雑音特性について 西村 克昭, 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) | 著者等は、以前、結合係数非対称形の相互結合形NNにおいて、学習時には固定ヒステリシスしきい値、想起時には、可変ヒステリシスしきい値を用いる方法を提案し、NNの記憶容量および耐雑音特性に関して大幅な改善が得られることを示した。しかし、学習時における結合係数の変化量Δωとヒステリシスしきい値Tとの関係については、十分な議論がなされておらず、経験的に決められてきた。本論文では、学習時に誤差訂正法にしきい値マージンdTを導入し、学習を安定化させる方法を提案する。また、想起時における可変しきい値T(n)についても最適化を行う。さらに、パターン間の相関に着目し、相互結合形NNにおける学習順序についても検討を行う。シミュレーション結果によりそれらの有効性が確認された。 |
| 抄録(英) | An associative memory using fixed and variable hysteresis processes,in learning and recalling process,has been proposed by authors.This model can achieve a large memory capacity and very low noise sensitivity.However,a relation between weight change and the hysteresis threshold has not been well discussed.In this paper, a new learning algorithm is proposed,which is based on an error- correcting method.However,to avoid unstable behavior,double hysteresis thresholds are introduced.Unit states are updated using T.The error is evaluated using T+dT instead of T.This means 'over correction'.Stable and fast convergence can be obtained.Relations between η=dT, T and convergence rate and noise sensitivity are dis cussed,resulting the optimum selection for η.Furthemore,the order of presenting training data is optimized taking correlation into account.In the recalling process,a controlling method for T(n) is proposed to achieve fast recalling from noisy patterns. |
| キーワード(和) | 相互結合形NN / 雑音特性 / 誤差訂正法 / 連想記憶 / ヒステリシスしきい値 |
| キーワード(英) | Recurrent neural networks / Hysteresis threshold / Noise performance / Error correcting method / Associative memory |
| 資料番号 | NC94-12 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 1994/5/19(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） | 相互結合形連想記憶NNにおける誤差訂正学習法の安定化と雑音特性について |
| サブタイトル（和） | |
| タイトル（英） | An error-correcting learning algorithm using double hysteresis thresholds for associative memory |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 相互結合形NN / Recurrent neural networks |
| キーワード(2)（和/英） | 雑音特性 / Hysteresis threshold |
| キーワード(3)（和/英） | 誤差訂正法 / Noise performance |
| キーワード(4)（和/英） | 連想記憶 / Error correcting method |
| キーワード(5)（和/英） | ヒステリシスしきい値 / Associative memory |
| 第 1 著者 氏名（和/英） | 西村 克昭 / Katsuaki Nishimura |
| 第 1 著者 所属（和/英） | 金沢大学工学部電気情報工学科 Depertment of Electrical and Computer engineering,Faculty of Technology,Kanazawa University |
| 第 2 著者 氏名（和/英） | 中山 謙二 / Kenji Nakayama |
| 第 2 著者 所属（和/英） | 金沢大学工学部電気情報工学科 Depertment of Electrical and Computer engineering,Faculty of Technology,Kanazawa University |
| 発表年月日 | 1994/5/19 |
| 資料番号 | NC94-12 |
| 巻番号（vol） | vol.94 |
| 号番号（no） | 40 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |