WEKO3
アイテム
リザーバーコンピューティングのためのLSTMを用いた再帰学習
https://ipsj.ixsq.nii.ac.jp/records/205139
https://ipsj.ixsq.nii.ac.jp/records/20513958c56bbd-10a1-4d80-bfaf-87d754d08b8f
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z82-7C-05.pdf (453.7 kB)
|
Copyright (c) 2020 by the Information Processing Society of Japan
|
| Item type | National Convention(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2020-02-20 | |||||||
| タイトル | ||||||||
| タイトル | リザーバーコンピューティングのためのLSTMを用いた再帰学習 | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| キーワード | ||||||||
| 主題Scheme | Other | |||||||
| 主題 | 人工知能と認知科学 | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||
| 資源タイプ | conference paper | |||||||
| 著者所属 | ||||||||
| 八戸工大 | ||||||||
| 著者名 |
清水, 能理
× 清水, 能理
|
|||||||
| 論文抄録 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 再帰型ニューラルネットワーク(RNN）は、一つ前の時刻の隠れ層の出力を、次の時刻の隠れ層の入力としてフィードバックする時系列情報を保持したネットワークである。一方、新たな学習方式として注目されているのがリザーバーコンピューティングである。リザーバーは入力層、中間層（リザーバー層）、出力層（リードアウトニューロン層）の3層で構成される教師あり学習のRNNである。中間層はカオス性を有するダイナミカルモデルで構成し、学習は出力層のみで行う。高速学習、リアルタイム学習、実装の容易さが特徴である。今回は、リザーバー層を再帰型ネットワークで設計し、ディープラーニングによるカオスモデリングを行う。 | |||||||
| 書誌レコードID | ||||||||
| 収録物識別子タイプ | NCID | |||||||
| 収録物識別子 | AN00349328 | |||||||
| 書誌情報 |
第82回全国大会講演論文集 巻 2020, 号 1, p. 35-36, 発行日 2020-02-20 |
|||||||
| 出版者 | ||||||||
| 言語 | ja | |||||||
| 出版者 | 情報処理学会 | |||||||
