講演名 | 1995/6/21 構造化リカレントネットによる多次元非線形軌道の近似 李 移勝, 宮永 喜一, 栃内 香次, |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 全結線リカレントニューラルネットワークは、非線形空間の任意な軌道を近似することが可能である。しかし、全結線ネットワークは構造的にVLSI化に向いていない等の問題がある。本文では、ローカル結線を有する構造化リカレントニューラルネットワークを用いて、実時間BPTT法で多次元の非線形軌道を近似することができることを、いくつかの実験検証により示し、本ネットワークが有効であることを明かにする。 |
抄録(英) | It is said that a full connected recurrent neural network can approximate any nonlinear dynamics. However, it is hard to say this kind of network has a suitable structure for a parallel VLSI system. In this report, we will introduce a module structured recurrent neural network. By using an on-line BPTT (Back Propagation Through Time) method, we can show the proposed network has the ability to memorize and regenerate multi-demensional nonlinear attractors. These facts are confirmed by several simulations. |
キーワード(和) | 構造化RNN / 非線形ダイナミックス / 学習記憶 / 再生 |
キーワード(英) | Structured RNN / Nonlinear dynamics / Learning and Memorizing / Regeneration |
資料番号 | |
発行日 |
研究会情報 | |
研究会 | VLD |
---|---|
開催期間 | 1995/6/21(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 | VLSI Design Technologies (VLD) |
---|---|
本文の言語 | JPN |
タイトル(和) | 構造化リカレントネットによる多次元非線形軌道の近似 |
サブタイトル(和) | |
タイトル(英) | The Realization of Multi-demensional Nonlinear Dynamics with Structured Neural Network |
サブタイトル(和) | |
キーワード(1)(和/英) | 構造化RNN / Structured RNN |
キーワード(2)(和/英) | 非線形ダイナミックス / Nonlinear dynamics |
キーワード(3)(和/英) | 学習記憶 / Learning and Memorizing |
キーワード(4)(和/英) | 再生 / Regeneration |
第 1 著者 氏名(和/英) | 李 移勝 / Yisheng Li |
第 1 著者 所属(和/英) | 北海道大学工学部 Faculty of Engineering, Hokkaido University |
第 2 著者 氏名(和/英) | 宮永 喜一 / Yoshikazu Miyanaga |
第 2 著者 所属(和/英) | 北海道大学工学部 Faculty of Engineering, Hokkaido University |
第 3 著者 氏名(和/英) | 栃内 香次 / Koji Tochinai |
第 3 著者 所属(和/英) | 北海道大学工学部 Faculty of Engineering, Hokkaido University |
発表年月日 | 1995/6/21 |
資料番号 | |
巻番号(vol) | vol.95 |
号番号(no) | 107 |
ページ範囲 | pp.- |
ページ数 | 6 |
発行日 |