| 講演名 | 2007-03-14 マージン最大化学習によるHopfieldモデル 秋本 仁志, 服部 元信, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | Support Vector Machinesに用いられるマージン最大化学習法を,Hopfieldモデルの学習に適用することで,耐雑音性を向上させることができる.また,マージン最大化学習法は,相関学習法同様の学習式を用いることで,初期値,学習順序にほとんど依存せず,一意に最適な重みを得られるという特徴を持っている.本論文では,従来学習法と比較を行なうことで,マージン最大化学習法を用いたHopfieldモデルの特性を述べる.さらに,マージン最大化学習法を用いたHopfieldモデルは,従来の相関学習に基づくモデルと得られる重み以外に違いはないため,先行研究の手法を簡単に導入できる.そこで,想起時にニューロンの更新順序が耐雑音性に与える影響を抑えるために,先行研究を改良した大域可変しきい値を導入したモデルを提案する.そして,計算核実験によって従来モデルと比較を行ない,マージン最大化学習法を用いた提案モデルの有効性を示す. |
| 抄録(英) | A Hopfield model can much improve the robustness by using the maximal margin learning which is employed in learning of support vector machines. The maximal margin learning don't depend on initial value of weights and order of learning patterns, like the original Hebbian learning. In this paper, we reveal characteristics of the Hopfield model using the maximal margin learning by comparing it with those using conventional methods. Moreover, some conventional methods improving the performance of a Hopfield model can be applied to that learned by the maximal margin learning. Therefore, in order to raise the robustness of a Hopfield model, we improve the conventional variable threshold and propose the global variable threshold. Several computer simulations show the superior performance of the proposed model to that of the conventional model. |
| キーワード(和) | 連想記憶 / Hopfieldモデル / マージン最大化学習法 / サポートベクターマシン / 大域可変しきい値 |
| キーワード(英) | Associative Memory / Hopfield model / Maximal Margin Learning / Support Vector Machines / Global variable threshold |
| 資料番号 | NC2006-140 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2007/3/7(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） | マージン最大化学習によるHopfieldモデル |
| サブタイトル（和） | |
| タイトル（英） | Characteristics of Hopfield Model Using the Maximal Margin Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 連想記憶 / Associative Memory |
| キーワード(2)（和/英） | Hopfieldモデル / Hopfield model |
| キーワード(3)（和/英） | マージン最大化学習法 / Maximal Margin Learning |
| キーワード(4)（和/英） | サポートベクターマシン / Support Vector Machines |
| キーワード(5)（和/英） | 大域可変しきい値 / Global variable threshold |
| 第 1 著者 氏名（和/英） | 秋本 仁志 / Hitoshi AKIMOTO |
| 第 1 著者 所属（和/英） | 山梨大学大学院医学工学総合教育部 Interdisciplinary Graduate School of Medicine and Engineering University of Yamanashi |
| 第 2 著者 氏名（和/英） | 服部 元信 / Motonobu HATTORI |
| 第 2 著者 所属（和/英） | 山梨大学大学院医学工学総合研究部 Interdisciplinary Graduate School of Medicine and Engineering University of Yamanashi |
| 発表年月日 | 2007-03-14 |
| 資料番号 | NC2006-140 |
| 巻番号（vol） | vol.106 |
| 号番号（no） | 588 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |