[B! ニューロン] labgaのブックマーク

http://nlab.ee.tokushima-u.ac.jp/nishio/Pub-Data/WORK/W340.pdf

labga 2016/02/03

ニューロン

リンク

IBMの新しいニューロチップ”TrueNorth”ざっと読んだまとめ | 電通大山﨑研

[2015年8月27日追記] 梶谷様が入院されたそうで、講演はキャンセルとなりました。とても残念です。お話を伺えるなんらかの機会が欲しいです。 [2015年6月5日追記] 今年の日本神経回路学会全国大会(9月2日-4日電気通信大学)では、特別講演に日本IBMの梶谷浩一様をお招きして、「Neuromorphic Computing in IBM」という演題でご講演いただきます。TrueNorthのお話が聞けます！講演は9月3日夕方です。最近Scienceに出た論文 A million spiking-neuron integrated circ uit with a scala ble communication network and interface Paul A. Merolla et al. Science 345, 668 (2014); DOI: 10.1126/science

labga 2014/10/23

リンク

4. 記憶と学習則について : taketominnaのblog

2月4 4. 記憶と学習則についてニューラルネットにおける学習とは、ニューロン間のシナプス結合の変化であり、学習するということは、次にそのパターンが入力されたときにすばやく想起するようにニューロン間のシナプス結合を変化させることであります。学習則というのはニューロン間のシナプス結合を変化させるルールであるといえます。学習則にはHebb の学習則と時空間の学習則とがありますが、これらは脳の中のどのような記憶に適しているかについて述べます。学習にはこれらのほか強化学習というのがあります。強化学習については最後に述べます。 Hebb の学習則とは、二つのニューロンとそれらをつなぐシナプスがある時、二つのニューロンが共に興奮している状態のときはシナプス結合を強くし、違う状態の時はシナプス結合を弱くするという学習方法であります。Hebb の学習則は、我々人間の恋愛関係に良く似ています。二人のタ

labga 2013/08/24

リンク

サービス終了のお知らせ

サービス終了のお知らせいつもYahoo! JAPANのサービスをご利用いただき誠にありがとうございます。お客様がアクセスされたサービスは本日までにサービスを終了いたしました。今後ともYahoo! JAPANのサービスをご愛顧くださいますよう、よろしくお願いいたします。

labga 2013/08/24

ニューロン

リンク

リカレントネットの学習法と応用：オートマトンの抽出

Next: RNNについてリカレントネットの学習法と応用：オートマトンの抽出複雑系解析論講座橋本研究室小林仁概要: リカレントニューラルネットワーク（RNN）はフィードバックを持っており、従来のフィードフォワード、Hopfieldモデル等と異なり、時系列データを容易に取り扱うことができる。しかし、RNNは構造が異なるため、従来の学習則を直接適用することはできない。そのためRNN独自の学習則が必要となる。ここではそのなかでも基本的な学習則について紹介する。またRNNに対する学習則はいくつか提案されているが、各々は異なる特徴を持っており、実際にどれを適用するべきかを考えなくてはならない。よってここではそのような学習則の持つ特徴に関する研究についても要約する。先に述べた特徴より、RNNは様々な時系列パターンの認識や生成に用いることができると考えられる。ここではどのような問題に、

labga 2012/12/18