权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

閾値関数系の解析と神経回路網への応用

阈值函数系统分析及其在神经网络中的应用

基本信息

批准号：
03640227
负责人：
佐藤優子
金额：
$ 1.02万
依托单位：
Osaka Prefecture University
依托单位国家：
日本
项目类别：
Grant-in-Aid for General Scientific Research (C)
财政年份：
1991
资助国家：
日本
起止时间：
1991 至无数据
项目状态：
已结题

项目摘要

本研究では,{1,-1}^n上の自己双対な正の閾値関数に関するminimal weightの生成法を提案する.自己双対関数は適当な標準化によって,すべての重みが正整数でその和が奇数となるように出来る.そのようなweighは無数にあるが,その中で,ある意味でminimalなweightを定めることは理論的に橋,また効率的な閾値素子を設計する上でも重要である.そのような最適なweightは,L.T.Fisher等によるMBS(minimal boundary set)関数のような特別な場合を除いては知られていない.本研究では,nー1次元のminimal weihtからn次元のminimal weightを生成する方法を提唱する.通常,minimal weightは各重みの和を最小にするものとして定義されるが,この要請は線形計画法によるminimal weght生成法と密接に関連している.ここでは,より厳しい要請ーベクトルとしてminimalの条件をおく.この場合,minimal weightの一意性が保証される.本研究では,奇数次元ですべての重みが1であるweight(初期normal weghtとよぶ)から出発してnormal手続きと呼ばれる方法に従ってより次元の高いweight(normal weightとよぶ)を帰納的に生成していく.この手続きは線形計画法等よる方法より極めて簡単な手続である.この手続きで得られるnormal weightはすべてminimal weightであることが示される.さらに,この手続きで得られるweightはすべて異なり,生成法として効率がよいことも示される.n≧6では,normal手続きによりすべてのminimal weightが生成される.n=7では,103個のnormal weightが得られる.この方法で得られないminimal weghtが11個あり,それらは,normal手続きを少し変更することにより,n=6のnormal weightから得られることがわかった.現在,normal weightのクラスの特徴付けを行っている.

The purpose of this study is: {1,-1}^n上の自双対な正の threshold夤关数に关するMINimal Proposal for the generation method of weight. Self-double correlation number is appropriate and standardized. It is a positive integer.その和が odd number となるように出る.そのようなweighは countlessにあるが,その中で,あるmeansでm The inimal weight is determined by the theory of the bridge, and the efficiency of the efficiency is determined by the design of the threshold value. I want the most suitable weight, L.T.Fisher, etc. MBS (minimal) boundary set) Offset number のようなSpecial occasion をexcept いては知られていない. This study is では,nー1-dimensional のminimal weihtからn-dimensional のminimal WeightをGeneration methodするすする. Usually, minimal weightはeach weightみの和をminimumにするものとしてDefinitionされるが,このRequiresはLinear planning methodによるminimal The weght generation method is closely related to the conditions of している. The single-mindedness of weight is guaranteed. This study is based on the weight of odd-numbered dimensions (initial normal). Weghtとよぶ)から出発してnormalhand続きとcalloutばれる Methodに従ってよりdimensionalの高いweight(normalとよぶ)を帰NA's に generates していく.この手続きは linear planning method, etc.よるmethodより极めて简単な手続である.この手続きでgetられるnormal weightはすべてminimal weightであることがshowされる.さらに,この手続きでgetsられるweightはすべてdifferentなり,生成法としてefficiencyがよいこともshowsされる.n≧6では,normal hand続きによりすべてのminimal weightがGenerationされる.n=7では,103のnormal weightがgetられる.このmethodでgetられないminimal Weghtが11あり,それらは,normal hand続きを小し変综合することにより,n=6のnormal weightから得られることがわかった. Now, normal weightのクラスの特徴FUけを行っている.