| 講演名 | 2005/6/16 反ヘブ結合でつながれた二つのランダム対称ネットワーク上のパタン表現による独立成分の分離 和田 浩司, 倉田 耕治, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 本研究では, 反ヘブ結合でつながれた2つのランダム対称ネットワークからなるモデルと, その学習則を提案する.提案モデルに2つの独立成分を持つ入力信号を与えると, それぞれの独立成分は, モデルの持つ2つのランダム対称ネットワーク上にそれぞれに分離, 抽出されることを計算機実験により確認した.従来の自己組織化マップのモデルは層内結合がメキシカンハット型をしている.そのため, 情報の抽出は入力に勝者ニューロンを対応させることで行っていた.しかし提案モデルはランダム対称な層内結合を導入しているため, 情報の抽出は入力に勝者ニューロンを対応させるのではなく, 入力にネットワークの発火パタンを対応させることで行う.つまり提案モデルは, 2層それぞれに異なる独立成分を発火パタンによって抽出する, パタン表現の自己組織化のモデルである. |
| 抄録(英) | In this paper, we propose a new self-organnizing model and the learning rule of the model. The model consisits of two random symmetric network connected with anti-Hebbian synapses. We confirmed by computational experiment that when input signals that have two independent components are given to the model, each independent components are extracted into two random symmetric network of the model. Conventional self-organizing maps have Mexican-hat type intra-layer connections. So, they extract the information by way of relating the input to the winner-neuron. Our model introduces the random symmetric intra-layer connections. So, to extract the information, instead of relating the input to the winner-neuron, we relate the input to the firing pattern. That is, our model is the self-organizing model of pattern representation, that extract the independent component into two random symmetric network. |
| キーワード(和) | 反ヘブ結合 / ランダム対称ネットワーク / パタン表現 / 独立成分分析 / 自己組織化 |
| キーワード(英) | Anti-Hebbian learning / random symmetric network / pattern representation / Independent Component Analysis / Self-organization |
| 資料番号 | NC2005-19 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2005/6/16(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） | 反ヘブ結合でつながれた二つのランダム対称ネットワーク上のパタン表現による独立成分の分離 |
| サブタイトル（和） | |
| タイトル（英） | Independent component separation by pattern representation in two random symmetric networks connected via anti-Hebbian synapses |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 反ヘブ結合 / Anti-Hebbian learning |
| キーワード(2)（和/英） | ランダム対称ネットワーク / random symmetric network |
| キーワード(3)（和/英） | パタン表現 / pattern representation |
| キーワード(4)（和/英） | 独立成分分析 / Independent Component Analysis |
| キーワード(5)（和/英） | 自己組織化 / Self-organization |
| 第 1 著者 氏名（和/英） | 和田 浩司 / Koji WADA |
| 第 1 著者 所属（和/英） | 高知高専電気工学科 Dept. of Electrical Engineering, Kochi National College of Technology |
| 第 2 著者 氏名（和/英） | 倉田 耕治 / Koji KURATA |
| 第 2 著者 所属（和/英） | 琉球大学工学部機械システム工学科数理機械工学講座 Faculty of Engineering, Ryukyu University |
| 発表年月日 | 2005/6/16 |
| 資料番号 | NC2005-19 |
| 巻番号（vol） | vol.105 |
| 号番号（no） | 130 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |