ダイナミックバイナリーニューラルネットのスパース化

• Item type: SIG Technical Reports(1)
• 公開日: 2014-06-18
• タイトル: ダイナミックバイナリーニューラルネットのスパース化
• タイトル / 言語: en
• タイトル: Sparsification of Dynamic Binary Neural Networks
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 法政大学理工学研究科電気電子工学専攻
• 著者所属: 法政大学理工学研究科電気電子工学専攻
• 著者所属(英): en
• 著者所属(英): EE Dept., Hosei University
• 著者所属(英): en
• 著者所属(英): EE Dept., Hosei University
• 著者名: 森安, 淳吾; 斎藤, 利通
• 著者名(英): Jungo, Moriyasu; Toshimichi, Saito
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 動的バイナリーニューラルネットワークの基本的なダイナミクスと学習能力について述べる。同ネットワークはシグナム活性化関数を用い、様々な 2 値周期軌道を生成することが可能である。このネットワークのダイナミクスはグレイコードリターンマップを用いて視覚化する。学習アルゴリズムは相関学習に基づき、2 層と 3 層構造のネットワークを導入する。ある教師信号を埋め込み、相関学習によって得られた結合行列を遺伝的アルゴリズムを用いてスパース化を行う。その結合行列のスパース化と軌道の安定性を調べる。あるクラスの教師信号を用いて基本的な数値実験を行い、教師信号を記憶させて、結合行列のスパース化と埋め込んだ信号の収束域の関係を考察する。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper studies basic dynamics and learning capability of the dynamic binary neural network. The network has the signum activation function and can exhibit various binary periodic orbits. The network dynamics can be visualized by the Gray-code-based return map. We present a learning algorithm based on the correlation learning and the genetic algorithm. The purpose of the learning is not only storage of teacher signal but also enlargement of the domain of attraction to the teacher signal. As a typical example of the teacher signal, we use an artificial periodic orbit and a periodic orbit which corresponds to the control signal of the matrix converters. Performing basic numerical experiment, we have confirmed that the teacher signal can be stored successfully and the sparsification can be effective to reinforce the stability of the periodic orbit.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2014-BIO-38, 号 43, p. 1-6, 発行日 2014-06-18
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会