WEKO3
アイテム
誤り訂正を組み込んだ新たなホップフィールドニューラルネットワークモデルの提案
https://ipsj.ixsq.nii.ac.jp/records/234944
https://ipsj.ixsq.nii.ac.jp/records/234944f33c2675-48b5-4712-be04-5fab8f31032a
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-MPS24148057.pdf (1.1 MB)
2026年6月13日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, MPS:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-06-13 | |||||||||||
| タイトル | ||||||||||||
| タイトル | 誤り訂正を組み込んだ新たなホップフィールドニューラルネットワークモデルの提案 | |||||||||||
| 言語 | ||||||||||||
| 言語 | jpn | |||||||||||
| キーワード | ||||||||||||
| 主題Scheme | Other | |||||||||||
| 主題 | 数理モデル化と問題解決2 | |||||||||||
| 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 | ||||||||||||
| 現在，横浜国立大学大学院大学院環境情報学府 | ||||||||||||
| 著者所属 | ||||||||||||
| 現在，横浜国立大学大学院大学院環境情報学府 | ||||||||||||
| 著者所属 | ||||||||||||
| 現在，横浜国立大学大学院総合学術高等研究院 | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| Presently with Graduate School of Environment and Information Sciences, Yokohama National University | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| Presently with Graduate School of Environment and Information Sciences, Yokohama National University | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| Presently with Institute of Multidisciplinary Sciences, Yokohama National University | ||||||||||||
| 著者名 |
中西, 流我
× 中西, 流我
× 荒井, 敏
× 長尾, 智晴
|
|||||||||||
| 論文抄録 | ||||||||||||
| 内容記述タイプ | Other | |||||||||||
| 内容記述 | ホップフィールドニューラルネットワークは相互結合型のニューラルネットワークであり，任意のビットパターンを記憶し，それらのパターンを想起することができる．しかし，記憶可能なパターン数は最大でノード数の 14% 程度であることが知られており，記憶容量が少ないという問題がある．また，想起の際に極小値に陥ってしまうという問題もある．この問題を解決するべく，ホップフィールドニューラルネットワークをもとにした，記憶パターンが指数関数的に増える誤り訂正モデルも提案されているが，任意のパターンを記憶することができず，記憶できるパターンに制限がかかるという問題がある．そこで本研究では，この記憶パターンが指数関数的に増える誤り訂正モデルと，Hebb 則における連想記憶を組み合わせることで，新たなホップフィールドニューラルネットワークモデルを提案する．このモデルは任意のパターンを記憶することができ，相互結合型ニューラルネットワークの特徴である追加学習も容易に行うことができる．そのうえで，ホップフィールドニューラルネットワークよりも記憶容量が大きく，計算コストも小さいことを，実験やモデルの性質などによって示した． | |||||||||||
| 書誌レコードID | ||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||
| 収録物識別子 | AN10505667 | |||||||||||
| 書誌情報 |
研究報告数理モデル化と問題解決（MPS） 巻 2024-MPS-148, 号 57, p. 1-6, 発行日 2024-06-13 |
|||||||||||
| ISSN | ||||||||||||
| 収録物識別子タイプ | ISSN | |||||||||||
| 収録物識別子 | 2188-8833 | |||||||||||
| 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 | |||||||||||
