 |
| ・会員価格 ¥220 |
| ・一般価格 ¥440 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
3-097 |
| ■ページ数 |
2ページ |
■発行日
|
2019/03/01 |
| ■タイトル |
再帰型深層学習によるカオスモデリングおよび定量評価 |
| ■タイトル(英語) |
Chaos Modeling Using Recurrent Deep Learning and Its Quantitative Evaluation |
| ■著者名 |
清水 能理(八戸工業大学) |
| ■著者名(英語) |
Yoshimasa Shimizu(Hachinohe Institute of Technology) |
| ■価格 |
会員 ¥220 一般 ¥440 |
| ■書籍種類 |
全国大会 |
| ■グループ名 |
【全国大会】平成31年電気学会全国大会論文集 |
| ■本誌掲載ページ |
ページ |
| ■キーワード |
深層学習,ニューラルネットワーク,モデリング,カオス,サロゲート法 |
| ■要約(日本語) |
深層学習（ディープラーニング）は機械学習から発展したの手法であるが、ネットワーク構築や多くの変数の決定など、試行錯誤部分が膨大である。近年、従来のニューラルネットワークを改良して作られたディープラーニングの登場により、パターンマッチング研究が盛んにおこなわれている。しかし、ニューラルネットワークは予測やモデリングに活用されているのに対し深層学習はあまり活用されていない。よって、時系列データに対する深層学習が注目されている。今回は深層学習をカオスモデリングに使用することで、これまでのニューロモデルと、精度や安定性を比較し、深層学習の時系列データへの活用の可能性を考察する。 |
| ■要約(英語) |
|
| ■版 型 |
A4 |
| ■PDFファイルサイズ |
240Kバイト |
|
|
|
