再帰型高次結合ニューラルネットワークの計算能力について

• 田中, 賢

• 長谷川, 大剛

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

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

キーワード

• 再帰型ニューラルネットワーク
• チューリング機械
• 高次結合
• 形式言語

詳細情報

• CRID: 1050564289187173888
• NII論文ID: 110003183719
• NII書誌ID: AA11340957
• ISSN: 09151923
• HANDLE: 10191/6617
• NDL書誌ID: 5283199
• Web Site: https://niigata-u.repo.nii.ac.jp/records/3447
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I5283199
• 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