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
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
-
- 第73回全国大会講演論文集
-
第73回全国大会講演論文集 2011 (1), 131-132, 2011-03-02
- Tweet
キーワード
詳細情報 詳細情報について
-
- CRID
- 1050855522107241472
-
- NII論文ID
- 170000088625
-
- NII書誌ID
- AN00349328
-
- Web Site
- http://id.nii.ac.jp/1001/00108462/
-
- 本文言語コード
- ja
-
- 資料種別
- conference paper
-
- データソース種別
-
- IRDB
- CiNii Articles