| 講演名 | 1997/9/19 最適化問題を解くカオスニューラルネットワークの学習 徳田 功, 合原 一幸, 徳永 隆治, 長島 知正, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 組み合わせ最適問題を解くカオスニューラルネットワークに学習アルゴリズムを導入する. 学習アルゴリズムはカオス探索のダイナミクスを最適解に徐々に収束させる「カオス的アニーリング」の機能を持つ. 5都市および20都市の巡回商人問題に対する数値実験を通して, 学習則の有効性を示す. |
| 抄録(英) | Learning algorithm is introduced for chaotic neural networks which solve combinatorial optimization problems. The learning algorithm works as a chaotic simulated annealing (CSA) algorithm which controls the "chaotic search" dynamics to gradually converge to possible optimum or near-optimum solution of the problem. Using 5 and 20-city traveling salesman problems (TSP), efficiency of the learning algorithm is shown. |
| キーワード(和) | |
| キーワード(英) | |
| 資料番号 | NLP97-83 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NLP |
|---|---|
| 開催期間 | 1997/9/19(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 | Nonlinear Problems (NLP) |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | 最適化問題を解くカオスニューラルネットワークの学習 |
| サブタイトル（和） | |
| タイトル（英） | Learning algorithm for Chaotic Neural Networks which Solve Optimization Problems |
| サブタイトル（和） | |
| キーワード(1)（和/英） | |
| 第 1 著者 氏名（和/英） | 徳田 功 / Isao Tokuda |
| 第 1 著者 所属（和/英） | 室蘭工業大学工学部情報工学科 Department of Computer Science and Systems Engineering, Muroran Institute of Technology |
| 第 2 著者 氏名（和/英） | 合原 一幸 / Kazuyuki Aihara |
| 第 2 著者 所属（和/英） | 東京大学工学部計数工学科 Department of Mathematical Engineering and Information Physics, Faculty of Engineering, University of Tokyo |
| 第 3 著者 氏名（和/英） | 徳永 隆治 / Ryuji Tokunaga |
| 第 3 著者 所属（和/英） | 筑波大学電子情報工学系 Institute of Information Sciences and Electronics, University of Tsukuba |
| 第 4 著者 氏名（和/英） | 長島 知正 / Tomomasa Nagashima |
| 第 4 著者 所属（和/英） | 室蘭工業大学工学部情報工学科 Department of Computer Science and Systems Engineering, Muroran Institute of Technology |
| 発表年月日 | 1997/9/19 |
| 資料番号 | NLP97-83 |
| 巻番号（vol） | vol.97 |
| 号番号（no） | 258 |
| ページ範囲 | pp.- |
| ページ数 | 5 |
| 発行日 | |