ボルツマンマシンを応用したトポグラフィックマッピングの形成モデルについて (ニューロコンピューティング)  [in Japanese] On the self-organization of topographic mapping in Boltzmann machines  [in Japanese]

Search this Article

Author(s)

    • 伊達 章 DATE Akira
    • 宮崎大学工学部情報システム工学科 Department of Computer Science and Systems Engineering Faculty of Engineering University of Miyazaki

Abstract

本稿では,筆者の一人が25年前に提案したボルツマンマシン神経場[1]について論じる.ボルツマンマシンは,理論的には見通しがよいもののシミュレーションには膨大な時間がかかる場合が多い.これは致命的な欠点であるが,モデルが2部グラフの構造をもつ場合については.Hintonらにより克服されつつある[2-5].2層からなる倉田(1988)の神経場モデルは,第2層の各素子が側抑制型の結合をもつため,Hintonらの学習アルゴリズムをそのままの形では適用できない.そこで,第2層には孤立局在興奮パターンしか出現しないとういう制約を付け加え,各素子を確率的に動作させることなく学習を進めるアルゴリズムを開発した.学習のダイナミクスを追いかけることができたのでその結果を報告する.

We propose a learning algorithm for Boltzmann neural fields [1] developed by Kurata (1988). The Boltzmann machine learning algorithm is theoretically elegant and easy to implement in hardware but very slow in networks with interconnected hidden units. This definitive deficit has been overcome in part by G.E. Hinton et al. for Boltzmann machines with a bipartite graph structure [2-5]. A two-layer model of Boltzmann neural field developed by Kurata (1988) has similar structure but there are connections within a second (hidden) layer. Since it does not have a bipartite graph structure, we could not apply Hinton's learning algorithm. By putting a constraint that only local excitation pattern appears in the output layer, we have developed a learning algorithm without running all units stochastically. Now we can follow the learning dynamics of connections between units.

Journal

  • IEICE technical report. Neurocomputing

    IEICE technical report. Neurocomputing 112(480), 203-208, 2013-03-13

    The Institute of Electronics, Information and Communication Engineers

Codes

  • NII Article ID (NAID)
    110009713279
  • NII NACSIS-CAT ID (NCID)
    AN10091178
  • Text Lang
    JPN
  • ISSN
    0913-5685
  • NDL Article ID
    024409722
  • NDL Call No.
    Z16-940
  • Data Source
    NDL  NII-ELS 
Page Top