講演名 1999/6/18
階層型混成ニューラルネットワークモデルによる追記学習
小川 知之, 日比野 靖,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 競合学習を用いた適応共鳴理論(ART:Adaptive Resonance Theory)は、ニューラルネットワークモデルの抱えている「安定性と可塑性のジレンマ」という問題を解決する一つの方法を提供するが、本質的な問題として線形分離不可能なパターン群は分類できない。一方、複数のネットワークモデルを組み合わせることで、単体モデルにはない新しい機能が実現できるということも知られている。本研究では、追記学習可能な、かつカテゴリの統合を行なうことのできる階層型混成ニューラルネットワークモデル、適応型カテゴリ統合回路網Adaptive Category Unifying Network (AC_TUN)を提案する。
抄録(英) Adaptive Resonance Theory (ART) using the competitive learning provides a way to resolve the "stability-plasticity dilemma" that many of neural network models have. The ART, however, has an essential problem that it cannot classify the linearly unseparable patterns. On the other hand, it is known that combining plural models gives new features which are not obtained by a single model. In this paper, a novel multi-layer hybrid neural network model, named Adaptive Category Unifying Network (AC_TUN) is proposed.
キーワード(和) 混成ニューラルネットワーク / パーセプトロン / 追記学習 / 適応共鳴理論 / 競合学習
キーワード(英) hybrid neural network / perceptron / additional learning / ART / competitive learning
資料番号 NC99-11
発行日

研究会情報
研究会 NC
開催期間 1999/6/18(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) 階層型混成ニューラルネットワークモデルによる追記学習
サブタイトル(和)
タイトル(英) On the Additional Learning by a Multi-Layer Hybrid Neural Network Model
サブタイトル(和)
キーワード(1)(和/英) 混成ニューラルネットワーク / hybrid neural network
キーワード(2)(和/英) パーセプトロン / perceptron
キーワード(3)(和/英) 追記学習 / additional learning
キーワード(4)(和/英) 適応共鳴理論 / ART
キーワード(5)(和/英) 競合学習 / competitive learning
第 1 著者 氏名(和/英) 小川 知之 / Tomoyuki Ogawa
第 1 著者 所属(和/英) (株)コンピュータ・テクノロジー・インテグレイタ
Computer Technology Integrator Co., Ltd.
第 2 著者 氏名(和/英) 日比野 靖 / Yasushi Hibino
第 2 著者 所属(和/英) 北陸先端科学技術大学院大学
Japan Advanced Institute of Science and Technology
発表年月日 1999/6/18
資料番号 NC99-11
巻番号(vol) vol.99
号番号(no) 131
ページ範囲 pp.-
ページ数 8
発行日