結合荷重とニューロンの多重故障に対する耐故障化階層型ニューラルネットワーク(ネットワーク環境でのディペンダビリティ)  [in Japanese] Fault-Tolerant Multilayer Neural Networks for Multiple weight-and-Neuron-Fault  [in Japanese]

脳のメカニズムにヒントを得た人工ニューラルネットワークは,現在主流のコンピュータとは異なるシステムとして注目され、パターン認識やデータマイニング等への応用が研究されている.これらのニューラルネットワークをハードウェアで実現するとき,知的な情報処理を行うためには非常に多くのニューロン素子が必要となり,ハードウェア内の故障率が増大するため,耐故障化が必要不可欠となる.本研究は,階層ニューラルネットワークに耐故障性を持たせる5つの学習アルゴリズムについて,計算機シミュレーションを行い,比較検討する。

The architecture of artificial neural networks, which are derived from brain mechanisms, are quite different from ordinal computer systems, and there are many studies dealing with their applications in the areas of the pattern recognition and the data mining. To realize the networks performing practical intelligent tasks in hardware, faults in them are not negligible because the great number of neurons are necessary. In this paper, five learning algorithms, which realize their fault-tolerances in multilayer neural networks, are introduced, and compared with each other, based on computer simulations.