反ヘブ学習によるニューラルネットの機能形成

通过反赫布学习形成神经网络函数

基本信息

  • 批准号:
    09268227
  • 负责人:
  • 金额:
    $ 0.45万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Scientific Research on Priority Areas
  • 财政年份:
    1997
  • 资助国家:
    日本
  • 起止时间:
    1997 至 无数据
  • 项目状态:
    已结题

项目摘要

本研究の目的は,反ヘブ学習則(及びヘブ学習則)によって,ニューラルネットにどのような情報処理機能が形成されるのかを理論的に明らかにすることである.本年度は,入力層と出力層からなる2層のニューラルネットに対して次の3通りの場合を考察した.(i)入力層から出力層への前向きの結合はヘブ学習に従い,出力層のニューロン間の結合は反ヘブ学習に従う場合.(ii)入力層から出力層への前向きの結合は1対1でかつ固定されており,出力層のニューロンの間の結合が反ヘブ学習に従う場合.(iii)入力層から出力層への前向きの結合のみが存在し,それらがヘブ学習あるいは反ヘブ学習に従う場合.これらのニューラルネットがどのような機能を獲得するかについて数学的な解析を行い,その結果,次のことが分かった.(1)(i)の場合,学習則を少し変えることにより,主成分分析,ノイズフィルタ,クラスタリングなど,種々の異なった信号処理回路が形成される.出力ニューロン間の相互結合における反ヘブ学習は,各ニューロンの機能分化に寄与する.(2)(ii)の場合には,新奇性フィルタやブラインド信号処理回路が形成される.後者の場合は,信号の非定常性が機能形成に重要な意味を持つ.(3)(iii)の場合,前向き結合が反ヘブ学習に従う場合には,Minor Component Analysisの機能が形成される.この場合については,従来のモデルを包括する一般的学習モデルを導いた.また,回路が空間的な構造を持つとき,入力の統計的性質に応じて,(空間的な意味での)ロ-パスフィルタやハイパスフィルタが形成されることが明らかになった.さらに,出力ニューロンの出力が小さい場合にはヘブ学習,大きい場合には反ヘブ学習が行われるようにすると,独立成分分析(Independent Component Analysis)と呼ばれる信号処理機能を持つようになることが分かった.この場合は,信号の持つ非ガウス性が機能形成に寄与している.
は の purpose, this study anti ヘ ブ learning (and び ヘ ブ learning) に よ っ て, ニ ュ ー ラ ル ネ ッ ト に ど の よ う な intelligence 処 principle function が form さ れ る の か を theory に Ming ら か に す る こ と で あ る. This year は と output layer into force か ら な る layer 2 の ニ ュ ー ラ ル ネ ッ ト に し seaborne て の 3 tong り の occasions を investigation し た. (I) layer into force か ら output layer へ の forward き の combining は ヘ ブ learning に 従 い, output layer の ニ ュ ー ロ ン の between inverse は ヘ ブ learning に 従 う occasion. (ii) layer into force か ら output layer へ の forward き の は 1 1 seaborne で か つ fixed さ れ て お り, output layer の ニ ュ ー ロ ン の の between inverse が ヘ ブ learning に 従 う occasion. (iii) into the force layer か ら output layer へ の forward き の combining の み し が, そ れ ら が ヘ ブ learning あ る い は anti ヘ ブ learning に 従 う occasion. こ れ ら の ニ ュ ー ラ ル ネ ッ ト が ど の よ う な function を get す る か に つ い て Mathematical analytical line を い な, そ の results, time の こ と が points か っ た. (1) (I) の occasions, learning を し less - え る こ と に よ り, principal component analysis, ノ イ ズ フ ィ ル タ, ク ラ ス タ リ ン グ な ど, kind of 々 の different な っ た signal 処 Richard loop が form さ れ る. Between output ニ ュ ー ロ ン の combination に お け る anti ヘ は ブ learning, each ニ ュ ー ロ ン の functional differentiation に send す る. (2) (ii) の occasions に は, novelty フ ィ ル タ や ブ ラ イ ン ド signal 処 Richard loop が form さ れ る. The latter は の situations, signal の non steadiness に important な が functioning mean を つ. (3) (iii) の occasions, the forward き inverse が ヘ ブ learning に 従 う occasions に は, Minor Component Analysis function of の が form さ れ る. こ の occasions に つ い て は, 従 to の モ デ ル を including す る general learning モ デ ル を guide い た. ま た, loop な が space structure を hold つ と き, into the statistical properties に の 応 じ て, (space な mean で の) ロ - パ ス フ ィ ル タ や ハ イ パ ス フ ィ ル タ が form さ れ る こ と が Ming ら か に な っ た. さ ら に, output ニ ュ ー ロ ン の が little さ い occasions に は ヘ ブ study, big き い occasions に は anti ヘ ブ line learning が わ れ る よ う に す る と, Independent Component analysis (Independent Component Analysis) と shout ば れ る signal 処 principle function を hold つ よ う に な る こ と が points か っ た. こ は の situations, signal の hold つ non ガ ウ ス に send が functioning and し て い る.

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
K.Matsuoka: "A general class of neural nets for principal and minor component analysis." Proc.of Third int.Symp.on Artificial Life and Robotics. Vol.2. 727-730 (1998)
K.Matsuoka:“用于主成分和次要成分分析的一般类神经网络。”
  • DOI:
  • 发表时间:
  • 期刊:
  • 影响因子:
    0
  • 作者:
  • 通讯作者:
M.Kawamoto,K.Matsuoka,N.Ohnishi: "Blind Separation on Convolved Non-stationary Signals" Proc.1997 International Symposium on Nonlinear Theory and its Applications. Vol.2. 1001-1004 (1997)
M.Kawamoto、K.Matsuoka、N.Ohnishi:“卷积非平稳信号的盲分离”Proc.1997 国际非线性理论及其应用研讨会。
  • DOI:
  • 发表时间:
  • 期刊:
  • 影响因子:
    0
  • 作者:
  • 通讯作者:
M.Kawamoto,K.Matsuoka,N.Ohnishi: "Blind Separation on Convolved Non-stationary Signals" Proc.of Third int.Symp.on Artificial Life and Robotics. Vol.2. 731-735 (1998)
M.Kawamoto、K.Matsuoka、N.Ohnishi:“卷积非平稳信号的盲分离”Proc.of Third int.Symp.on Artificial Life and Robotics。
  • DOI:
  • 发表时间:
  • 期刊:
  • 影响因子:
    0
  • 作者:
  • 通讯作者:
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

松岡 清利其他文献

松岡 清利的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('松岡 清利', 18)}}的其他基金

反ヘブ学習によるニューラルネットの機能形成
通过反赫布学习形成神经网络函数
  • 批准号:
    08279234
  • 财政年份:
    1996
  • 资助金额:
    $ 0.45万
  • 项目类别:
    Grant-in-Aid for Scientific Research on Priority Areas
聴覚障害児のための読話訓練用CAIシステムの開発
听障儿童阅读训练CAI系统的开发
  • 批准号:
    62580025
  • 财政年份:
    1987
  • 资助金额:
    $ 0.45万
  • 项目类别:
    Grant-in-Aid for General Scientific Research (C)
人間の跳躍・走行運動の運動力学的解析
人体跳跃和跑步动作的运动分析
  • 批准号:
    X00210----575150
  • 财政年份:
    1980
  • 资助金额:
    $ 0.45万
  • 项目类别:
    Grant-in-Aid for Encouragement of Young Scientists (A)

相似海外基金

反ヘブ学習によるニューラルネットの機能形成
通过反赫布学习形成神经网络函数
  • 批准号:
    08279234
  • 财政年份:
    1996
  • 资助金额:
    $ 0.45万
  • 项目类别:
    Grant-in-Aid for Scientific Research on Priority Areas
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了