主成分分析を行うニューラルネットワークの学習と自己組織

この論文をさがす

著者

    • 高橋, 隆史 タカハシ, タカシ

書誌事項

タイトル

主成分分析を行うニューラルネットワークの学習と自己組織

著者名

高橋, 隆史

著者別名

タカハシ, タカシ

学位授与大学

筑波大学

取得学位

博士 (工学)

学位授与番号

甲第2123号

学位授与年月日

1999-03-25

注記・抄録

博士論文

目次

  1. 目次 / p1 (0003.jp2)
  2. 1 序論 / p7 (0009.jp2)
  3. 1.1 情報圧縮とニューラルネットワーク / p7 (0009.jp2)
  4. 1.2 主成分分析 / p10 (0012.jp2)
  5. 1.3 本論文の構成 / p12 (0014.jp2)
  6. 2 視覚系時空間受容野の自己組織形成モデル / p14 (0016.jp2)
  7. 2.1 導入 / p14 (0016.jp2)
  8. 2.2 ネットワークモデルの構成 / p16 (0018.jp2)
  9. 2.3 計算機シミュレーション / p22 (0024.jp2)
  10. 2.4 受容野特性の理論的考察 / p29 (0031.jp2)
  11. 2.5 議論 / p37 (0039.jp2)
  12. 3 多層パーセプトロンの学習による主成分分析 / p39 (0041.jp2)
  13. 3.1 導入 / p39 (0041.jp2)
  14. 3.2 重畳エネルギー関数の定義とその特性の理論解析 / p42 (0044.jp2)
  15. 3.3 数値実験による学習特性の検証 / p52 (0054.jp2)
  16. 3.4 非線形主成分分析への適用 / p55 (0057.jp2)
  17. 3.5 議論 / p64 (0066.jp2)
  18. 4 多層パーセプトロンの学習における内部表現の冗長性削減 / p66 (0068.jp2)
  19. 4.1 導入 / p66 (0068.jp2)
  20. 4.2 重畳エネルギー関数に基づく学習則の導出 / p69 (0071.jp2)
  21. 4.3 数値実験による学習特性の検証 / p74 (0076.jp2)
  22. 4.4 議論 / p86 (0088.jp2)
  23. 5 結論 / p87 (0089.jp2)
  24. A 付録 / p89 (0091.jp2)
  25. A.1 相関関数[数式]の導出 / p89 (0091.jp2)
  26. A.2 補題3.4の証明 / p91 (0093.jp2)
  27. B 研究業績一覧 / p93 (0095.jp2)
  28. B.1 本論文に関する研究業績 / p93 (0095.jp2)
  29. B.2 その他の研究業績 / p95 (0097.jp2)
  30. 参考文献 / p97 (0099.jp2)
3アクセス

各種コード

  • NII論文ID(NAID)
    500000185629
  • NII著者ID(NRID)
    • 8000000185911
  • DOI(NDL)
  • NDL書誌ID
    • 000000349943
  • データ提供元
    • NDL ONLINE
    • NDLデジタルコレクション
ページトップへ