ようこそ ゲスト さん
ログイン
入力補助
English
カテゴリ
インデックスツリー
ランキング
アクセスランキング
ダウンロードランキング
その他
法政大学
法政大学図書館
インデックスツリー
資料タイプ別
学位論文
修士論文
スポーツ健康学研究科
国際文化研究科
情報科学研究科
理工学研究科
理工学研究科生命機能学専攻
工学研究科
政策科学研究科 (旧)
このアイテムのアクセス数:
37
件
(
2025-02-11
02:48 集計
)
Permalink : https://hdl.handle.net/10114/8276
閲覧可能ファイル
ファイル
フォーマット
サイズ
閲覧回数
説明
伊藤 良
pdf
1.62 MB
41
論文情報
ファイル出力
アイテムタイプ
学位論文
タイトル
動的バイナリーニューラルネットワークについての基礎研究
著者
著者名
伊藤, 良
著者名
ITOH, Ryo
言語
jpn
発行年
2012-03-24
著者版フラグ
Not Applicable (or Unknown)
学位授与年月日
2012-03-24
学位名
修士(工学)
学位授与機関
機関名
法政大学 (Hosei University)
内容記述
工学研究科電気工学専攻; 指導教授: 斎藤利通
抄録
本論文は、N次元の2値の動的バイナリーニューラルネットワーク(DBNN)を提案する。DBNNはバイナリーニューラルネットワーク(BNN)を基本としている。 BNNはマルチレイヤーパーセプトロン(MLP)を基本とした三層のフィードフォワード型のネットワークである。BNNはN次元の2値入力、M次元の2値出力を有する。また、中間層ニューロンは3値であり、中間層ニューロンのしきい値パラメータは整数型である。BNNの基本的アルゴリズムを紹介し、計算機実験を行いアルゴリズムの有効性を確認する。 DBNNのネットワーク構造は2値のN入力N出力をもつ遅れフィードバック型である。DBNNはシグナム活性化関数を特性にもち、中間層での荷重パラメータは3 値である。本稿では、効果的なネットワークを構造するために、GAを基にした学習アルゴリズムを提案する。また、GAの初期値パラメータを教師信号と一致させ、中間層ニューロンを共有することで中間層ニューロンの数を抑制する。 DBNNは異なる周期信号パターンを生成できる。その解析手法としてグレーコードを基にしたリターンマップ(Gmap)を紹介する。基本的な数値実験を通じてそのアルゴリズムの効果と自動安定化について確認する。また、音声データを用いた計算機実験を行い、GmapによるDBNNの特性について言及する。
This paper presents dynamic binary neural networks (DBNN) of N-bit binary sequences. The DBNN is based on the binary neural network (BNN). The BNN is a three-layer feed-forward artificial neural network based on the multilayer perceptron. The BNN transforms N-dimensional binary input to M-dimensional binary output. The parameters are simplified the weighting in the hidden neuron is ternary and the threshold in the hidden neuron is integer. Performing basic numerical experiment, the algorithm effciency is confirmed. The DBNN is constructed by the delayed feedback of the N-bit output to the N-bit input. The DBNN has signum activation function and the weighting parameter in the hidden neuron is ternary. In order to approximate an objective teacher signal of binary sequence, we present a novel learning algorithm based on the genetic algorithm (GA). Using an efficient initial chromosome and hidden neuron sharing, we can reduce the number of hidden neurons and computation cost. The DBNN can generate various periodic patterns. We introduce a systematic analysis tool: the Gray-code-based return map (Gmap). Performing basic numerical experiment, the algorithm efficiency and automatic stabilization are confirmed. We have also considered application of the GA-based learning and Gmap-based analysis to basic voice data.
資源タイプ
Thesis
インデックス
資料タイプ別
 > 
学位論文
 > 
修士論文
 > 
工学研究科
114 工学部 (旧) ・工学研究科
 > 
学位論文
 > 
修士論文
ホームへ戻る