人工神経回路網ハイパーコラムモデルにおける組合せ学習ならびに連想学習 Combinatorial Learning and Associative Learning in Hyper-Column Model

この論文にアクセスする

この論文をさがす

著者

抄録

Hyper-Column Model (HCM) is a self-organized, competitive and hierarchical multilayer neural network. It is derived from the Neocognitron by replacing each <i>S</i> cell and <i>C</i> cell with a two layer Hierarchical Self-Organizing Map (HSOM). HCM can recognize images with variant object size, position, orientation and spatial resolution. In this paper, we propose two new learning methods; "Combinatorial Learning, " and "Associative Learning". The former enables HCM to learn a pattern of winner neurons which are activated in each HSOM with excitatory lateral connections. HCM is expanded to a supervised learnable model by the latter learning algorithm.

収録刊行物

  • 日本神経回路学会誌 = The Brain & neural networks  

    日本神経回路学会誌 = The Brain & neural networks 13(4), 129-136, 2006-12-05 

    日本神経回路学会

参考文献:  7件

参考文献を見るにはログインが必要です。ユーザIDをお持ちでない方は新規登録してください。

各種コード

  • NII論文ID(NAID)
    10018472514
  • NII書誌ID(NCID)
    AA11658570
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    1340766X
  • データ提供元
    CJP書誌  IR  J-STAGE 
ページトップへ