説明

国際特許分類[G06N3/04]の内容

国際特許分類[G06N3/04]に分類される特許

1 - 10 / 75



Notice: Undefined index: from_cache in /mnt/www/gzt_ipc_list.php on line 285

【課題】符号が記憶媒体を占めることによるのではない記憶方法および記憶装置を提供する。
【解決手段】中継ノード23で、伝達インパルスが印加された場合、同一ネットワークユニット20の中継ノード26へ、伝達インパルスを伝えるとともに、連絡リンク25で連結された他のネットワークユニット20の中継ノード26へ連絡インパルスを伝え、中継ノード26で、伝達インパルスと連絡インパルスとが特定の条件で印加された場合、特定の条件で印加された連絡インパルスを伝えた連絡リンク25の結合を強化し、結合が強化された連絡リンク25を伝わって連絡インパルスが印加されたとき、特定の遅延を設けて、自らの下流の隣接ノード、すなわち中継ノードまたは出力ノード28へ、伝達インパルスを伝える。 (もっと読む)


【課題】本発明は入力ベクトルがニューロンによって既知であるか未知であるかを決定する方法を提供する。
【解決手段】本方法は、入力ベクトルから制約条件及びその補空間を構築するステップと、制約条件及び補空間を交互に前記ニューロンの制約条件セットに追加するステップと、いずれかの場合に解答があるか否かを決定するために制約条件セットを試験するステップと、を含む。制約条件又はその補空間のいずれかに解答があり、かつ制約条件及びその補空間の両方に解答がない場合には、入力ベクトルは、前記ニューロンに既知であることが決定され、制約条件及びその補空間が交互に前記制約条件セットに追加されるときに解答がある場合には、入力ベクトルは、ニューロンによって既知ではないことが決定される。 (もっと読む)


【課題】ニューラルネットワーク設計方法及びプログラムにおいて、RNN回路の結線の値を決定するための計算量及び計算時間を削減可能とすることを目的とする。
【解決手段】RNN回路の入力ベクトルb (t)と出力ベクトルy (t)から行列A(t)を決定することで入出力の整合がとれる結線aij(t)の値を決定して記憶部に記憶し、前記結線aij(t)が決定された前記RNN回路を使用して互いに異なるサンプル点を通る複数の局所近似解を計算すると共に、複数の局所近似解を接続して大域近似解を計算して出力する手順をコンピュータに実行させるように構成する。 (もっと読む)


【課題】ニューラルネットワーク環境内のデータをフィルタ処理し、不適切なコンテンツを除去するシステムおよび方法を提供する。
【解決手段】フィルタ処理する方法では、感覚表現を含むデータ信号を受信する。データ信号内に含まれる感覚表現は、感覚形式で生成される。感覚形式の感覚表現からその感覚表現の鮮明なコピーを生成し、受信したデータ信号内に存在する任意の不適切なコンテンツが、鮮明なコピー内に復元されないようにする。適宜、追加のフィルタ処理を鮮明なコピーの生成前および/または生成後に行うことができる。感覚表現の(フィルタ処理済みの)鮮明なコピーはネットワークに送信される。本実施形態は、ネットワークへの入力および/またはそこからの出力のフィルタ処理を可能にする。 (もっと読む)


【課題】ニューラルネットワーク設計方法及びプログラムにおいて、様々なバリエーションの出力が得られ、且つ、理論解を求めることができる双一次結合を有するRNN回路を得ることを目的とする。
【解決手段】コンピュータによるニューラルネットワーク設計方法において、ニューロンと結線を含んだ双一次結合を有するリカレントニューラルネットワーク(RNN)回路の理論解析が可能であるか否かを判断し、理論解析が可能であると判断されたRNN回路を双一次結合を有さない複数の部分RNN回路に分割し、各部分RNN回路の理論解析を行うことで求めた理論解を組み合わせて元の双一次結合を有するRNN回路の理論解を求めるように構成する。 (もっと読む)


【課題】 現実的なニューラル・モデル(一組の要領またはルール)と、この提案された
ニューラル・モデルを考慮に入れて、脳の動作原理に基づいて動作できるデバイス(プロ
セッサ)とを原則として作り上げる。
【解決手段】 本発明は、周囲電極の中央にあり、かつ多値準位システムまたはニューロ
ンが収められている面上で、あらゆる方向から水平に複数の入力信号が与えられ、また、
その面上の様々な地点にて出力信号が垂直に取り出される一対のテンプレートを含む垂直
水平プロセッサ(「標準垂直水平プロセッサ」とも呼ぶ)を提供する。本発明はまた、上
記の垂直水平プロセッサを含むクラスタ、上記の垂直水平プロセッサを含む修正仮想ソー
ス・ニューラル・ネットワーク・モデル、および、上記垂直水平プロセッサを学習させる
プロセッサ学習法も提供する。 (もっと読む)


【課題】人工ニューラル・ネットワーク内のクラス・ネットワークの入力層で入力ノードとして用いられるテンポラル・プロセッサ・ノードを提供する。
【解決手段】クラス・ネットワークは、出力信号を入力層により受信されたネットワーク入力ベクトル成分に基づき生成する。テンポラル・プロセッサ・ノードは、被監視エンティティの状態を表す観測データをネットワーク入力ベクトルの成分として受信する。テンポラル・プロセッサ・ノードは、最近の被監視エンティティの状態をメモリ・モジュールに格納するメモリ・モジュール、タイマを有する変更モジュールであって、タイマは現在の状態が観測されてからの経過時間を表す値を出力し、変更モジュールは現在の状態をタイマにより出力された値に依存する変更因子で変更し、トリガされると、テンポラル・プロセッサ・ノードは変更された現在の状態を現在の状態の表現として出力する。 (もっと読む)


【課題】 未学習から出発して実験および学習の累積的なサイクルを通じて自身を適応的または創造的な能力のより高いレベルへ漸進的にブートストラップする。
【解決手段】 発見システム内の訓練を実行し、自身に適用される各種の形式の摂動を通じて新たな出力パターンを生成すべく刺激を受けるニューラル・ネットワークと、同様に当該システム内のその場で訓練を実行し、前者のネットワーク内でこれらのパターンのうち、より有用またはより貴重なパターンの強化学習を起動しつつ、そのような新たなパターンに自身の有用性または価値を関連付けることができる評価機能ニューラル・ネットワークとを用いる発見システム。後者と前者の自己学習人工ニューラル・ネットワーク間のオプションのフィードバック機構を用いて、有用な概念または行動計画に向けて本システムの収束を加速する。 (もっと読む)


【課題】組み込みシステムに実装し得るニューラルネットワークの学習装置を提供する。
【解決手段】S103によって、入力の追記学習によりニューロンユニットの所要数がGRNNに実装可能なユニット数の上限値以下であるか上限値を超えているかを判断し、所要数が上限値以下であると判断された場合(S103;Yes)、GRNNに新たなニューロンユニットをS105により追加する。これに対し、所要数が上限値を超えていると判断された場合(S103;No)、S107によりGRNNを構成する複数のニューロンユニットから冗長ユニットを選択し、S121により、冗長ユニットを削除した後、GRNNに新たなニューロンユニットを追加して冗長ユニットと置き換える。 (もっと読む)


1 - 10 / 75