| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-06-12 13:45 斎藤・神野学習法における安定・訂正条件に基づく最適閾値の推定 ○中村栞寧・神野健哉（東京都市大）  NLP2026-22 CCS2026-22 |
|
| 抄録 | （和） | 斎藤・神野学習法はホップフィールドニューラルネットワークを拡張した連想メモリであり，2値ヒステリシスと自己結合係数によって所望のパターンを記憶できる．本研究では，想起性能を左右するヒステリシス閾値に着目し，各ニューロンの安定条件と訂正条件からニューロン個別に最適な閾値を理論的に導出する手法を提案する．ランダム画像およびCIFAR-10を用いたシミュレーションにより，提案手法による予測線と実測値の比較，ならびに全ニューロン共通の閾値を用いる従来手法との想起精度の比較を行った．その結果，記憶パターンが線形分離可能な範囲において，提案手法は従来手法を上回る想起精度を示すことを確認した． |
| （英） | The Saito--Jin'no learning method is an associative memory derived from the Hopfield neural network, which can store desired patterns exactly by means of binary hysteresis and self-coupling coefficients. This study focuses on the hysteresis threshold, which significantly affects recall performance, and proposes a theoretical method to derive a per-neuron optimal threshold based on stability and correction conditions for each neuron. Through simulations using random images and CIFAR-10, we compared the theoretical predictions with measured values, and evaluated the recall accuracy of the proposed method against a conventional approach that uses a uniform threshold across all neurons. The results show that, in the regime where the stored patterns are linearly separable, the proposed method achieves higher recall accuracy than the conventional approach. | |
| キーワード | （和） | 連想メモリ / 相互結合ニューラルネットワーク / ヒステリシス / / / / / |
| （英） | associative memory / recurrent neural networks / hysteresis / / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 68, NLP2026-22, pp. 115-118, 2026年6月. | |
| 資料番号 | NLP2026-22 | |
| 発行日 | 2026-06-04 (NLP, CCS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLP2026-22 CCS2026-22 |
|
| 研究会情報 | |
| 研究会 | CCS NLP |
| 開催期間 | 2026-06-11 - 2026-06-12 |
| 開催地（和） | I-site なんば |
| 開催地（英） | I-site Namba |
| テーマ（和） | NLP，CCS，一般 |
| テーマ（英） | Nonlinear Problems, Complex Communication Sciences, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2026-06-CCS-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 斎藤・神野学習法における安定・訂正条件に基づく最適閾値の推定 |
| サブタイトル（和） | |
| タイトル（英） | Estimation of Optimal Threshold Based on Stability and Correction Conditions in the Saito-Jin'no Learning Method |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 連想メモリ / associative memory |
| キーワード(2)（和/英） | 相互結合ニューラルネットワーク / recurrent neural networks |
| キーワード(3)（和/英） | ヒステリシス / hysteresis |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 中村 栞寧 / Kannei Nakamura / ナカムラ カンネイ |
| 第1著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 神野 健哉 / Kenya Jin'no / ジンノ ケンヤ |
| 第2著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-12 13:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2026-22, CCS2026-22 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.68(NLP), no.69(CCS) |
| ページ範囲 | pp.115-118 |
| ページ数 | 4 |
| 発行日 | 2026-06-04 (NLP, CCS) |
[研究会発表申込システムのトップページに戻る]