再帰結合神経回路モデルへのスパース構造導入による学習能力の向上

情報処理学会

この論文をさがす

抄録

本稿では，再帰結合型神経回路モデルへのスパース結合導入による性能向上を示す．近年，多様な時系列パターンを学習可能な，スパース結合型神経回路が着目を集めている．しかし通常これらのモデルは内部の結合重みが固定されており，学習能力には限界がある．我々は，異なる時定数のニューロン群からなる再帰結合型神経回路モデル，MTRNNの一部結合をスパース化し，全結合を学習可能としたモデルの性能評価を行った．スパース化率の異なるMTRNNに，アルファベット列からなる文章を学習させ，未知文及びノイズ文の認識・生成能力の評価を行った．実験の結果，スパース結合とすることで，全結合の場合よりも性能を向上できることが確認された．

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ