書誌事項
- タイトル別名
-
- バイオサイバネティックス ニューロ コンピューティング サイキガタ コウジ ケツゴウ ニューラル ネットワーク ノ ケイサン ノウリョク ニ ツイテ
- On Computational Capability of Recurrent Higher Order Neural Networks
この論文をさがす
抄録
有限個の連続値出力ニューロンからなるニューラルネットワークは,任意の決定性チューリング機械をシミュレートする能力をもつことが知られている.これまで,いくつかのシミュレートモデルが提案されているが,テープ部を実時間でシミュレートするには膨大な数のニューロンが必要となることが問題となる.本論文では,再帰型高次結合ニューラルネットワークが任意のチューリング機械をシミュレートできることを示し,シミュレート時間とこれに要するニューロン数の下限を明らかにする.まず,しきい値入出力関数と線形入出力関数を用いる有限個のニューロンからなる再帰型高次結合ニューラルネットワークが,任意の決定性チューリング機械を実時間でシミュレートでき,テープのシミュレートに要するニューロン数を6個まで削減できることを示す.また,のこぎり型関数を用いれば,シミュレートに要するニューロン数を4個に削減できることを示す.単純化されたこのシミュレートモデルは,将来ニューラルネットワークによる形式言語の学習を実現する上で有用な枠組みとなる.
収録刊行物
-
- 電子情報通信学会論文誌. D-II, 情報・システム, II-パターン処理
-
電子情報通信学会論文誌. D-II, 情報・システム, II-パターン処理 J83-D-II (2), 703-710, 2000-02
電子情報通信学会
- Tweet
キーワード
詳細情報 詳細情報について
-
- CRID
- 1050564289187173888
-
- NII論文ID
- 110003183719
-
- NII書誌ID
- AA11340957
-
- ISSN
- 09151923
-
- HANDLE
- 10191/6617
-
- NDL書誌ID
- 5283199
-
- 本文言語コード
- ja
-
- 資料種別
- journal article
-
- データソース種別
-
- IRDB
- NDL
- CiNii Articles