Open yagumana opened 1 year ago
連続な状態変数の上でのHopfield Networkについて、エネルギー関数の定義と、エネルギーの更新規則を新たに提案した
Hopfield Networkは記憶パターン(訓練データ)xをもとに、エネルギー関数の最小化を行う仮定で、新たな状態ξをxに近づける(復元)
このエネルギー関数について、更新による収束性や、収束スピードについて、解析的に証明を行っている。
深層学習とHopfield Networkを3つの形式で統合
1,2 49分 3 45分 4 25分 まとめ 29 分 合計 149分
どんなもの?
連続な状態変数の上でのHopfield Networkについて、エネルギー関数の定義と、エネルギーの更新規則を新たに提案した
Hopfield Networkは記憶パターン(訓練データ)xをもとに、エネルギー関数の最小化を行う仮定で、新たな状態ξをxに近づける(復元)
このエネルギー関数について、更新による収束性や、収束スピードについて、解析的に証明を行っている。
深層学習とHopfield Networkを3つの形式で統合
先行研究と比べてどこがすごい?
技術や手法のキモはどこ?
どうやって有効だと検証した?
議論はある?