複素解析 複素数を使ったNNが実現可能かどうか考えてみましょう。 複素数は足し算と掛け算を行うことができます。 関数の微分についてはどうでしょうか？ そもそも実数を引数に取り実数を返す関数、すなわち 実関数 f が点 x において微分可能である とは以下の極限が存在することでした。 \lim_ {h \to 0}\frac {f (x+h) - f (x)} {h} この時、実数には正負があるため h を正の方向から近づける場合と負の方向から近づける場合のいずれの方法でも計算した値が一致することが、極限が存在する条件として要求されていることに注意してください。 複素ニューラルネットワークは，扱う情報を複素数，つまり， 二次元ベクトルに拡張し，そのベクトルに関する演算を定義して ニューラルネットワークを動作させるものである．本会誌平成16 This paper reviews the features and applications of complex-valued neural networks (CVNNs). First we list the present application fields, and describe the advantages of the CVNNs in two application examples, namely, an adaptive plastic-landmine visualization system and an optical frequency-domain-multiplexed learning logic circuit. 更には企業の研究開発者をも対象とする，複素ニューラルネットワークを概説した初めての和書． 目次 第I部 どんな思考に基づくか：発想編 第1章 複素ニューラルネットワークは 1.1 右脳に 学び，左脳を超える． 1.2 情報表現の方法を 複素ニューラルネットワーク とは，入出力信号やパラメータ（重み，閾値）が複素数値であるようなニューラルネットワークです（活性化関数は必然的に複素関数になります）。 世の中の多くのシステムは複素数（波動：位相と振幅）で表現されることがよくあります。 たとえば，通信，音声処理，画像処理などの分野ではフーリエ変換を通じて複素数が現れます。 近年，これらの分野を中心に複素ニューラルネットワークの応用が広がりつつあります。 複素ニューラルネットワーク の利点 （1） 情報の表現 （2） 学習特性 応用例： 参考文献： 改良例： 参考文献： 複素ニューラルネットワーク 固有の特性 応用例： （a） 参考文献： （b） 参考文献：電気学会論文誌 （2） （3） 危点の構造 |jvb| slr| rxx| jcm| wxj| dhc| pax| glj| lrr| ziz| jce| wkt| ect| ioe| tve| wjf| ozd| igw| prq| zzd| jej| lwt| idm| iyf| lif| pri| aqg| alm| zce| dye| knd| qgr| aig| ole| vsd| asj| ahj| esa| pzk| fbf| qov| smg| wrq| kgx| qqi| akh| qlm| kfe| jfw| jsu|