(情報科学)技術的特異点と科学･技術等 1 (ナノテク) [転載禁止]©2ch.net (840ﾚｽ)
(情報科学)技術的特異点と科学･技術等 1 (ナノテク) [転載禁止]©2ch.net http://rio2016.5ch.net/test/read.cgi/future/1427220599/
上
下
前次
1-
新
通常表示
512ﾊﾞｲﾄ分割
ﾚｽ栞
抽出解除
ﾚｽ栞
ﾘﾛｰﾄﾞ規制
です｡10分ほどで解除するので､
他のﾌﾞﾗｳｻﾞ
へ避難してください｡
623: 619 [sage] 2017/01/11(水) 20:58:42.31 ID:Tu17jTh4 Page 31 図 ２-３ ry リージョンのいくつかのセルがフィード・フォワード入力によってアク ry （薄い灰色で示した）。他のあるセルは、アクティブなセルからの横方向の入力を 受け取って予測状態になる（濃い灰色で示した）。 まとめると、新しい入力が到着すると、アクティブなカラムの疎な部分集合が選択される。 各カラムの一つ又はそれ以上のセルがアクティブになり、これはまた同じリージョン内 のセル間の接続の学習内容に応じて他のセルを予測状態にする。 リージョン内の接続によってアクティブになったセルは、 ry 予測を表す。 次のフィード・フォワード入力が到着すると、 他のアクティブなカラムの疎な組み合わせが選択される。 新たにアクティブになったカラムが予期したものでないとき、 つまりどのセルも ry 予測しなかったとき、カラム中のすべてのセルをアクティブ ry 。新たにアクティブになったカラムが ry 予測状態のセルを持つなら、 それらのセルだけがアクティブになる。リージョンの出力はリージョン内のすべてのセル のアクティブ状態であり、フィード・フォワード入力によってアクティブになったセルと、 予測状態のためアクティブになったセルとからなる。 既に述べ ry HTM リージョンの予測は将来のいくつかのステップに及ぶことも ry ry メロディの次の音を予測するだけではなく、例えば次の 4 つの音 ry 。 ry 出力（リージョン内のアクティブ状態のセルと予測状態のセルの和集合） は入力よりもゆっくりと変化する。 リージョンがメロディの次の 4 つの音を予測 ry 。メロディを文字 A, B, C, D, E, F, G のシーケンスで表現する。最初の 2 音を聞いた後、リージョン http://rio2016.5ch.net/test/read.cgi/future/1427220599/623
624: 623 [sage] 2017/01/11(水) 21:00:08.87 ID:Tu17jTh4 >>623 予測 >>616-619 http://webcache.googleusercontent.com/search?q=cache:numenta.com/assets/pdf/whitepapers/hierarchical-temporal-memory-cortical-learning- algorithm-0.2.1-jp.pdf#31-34#37-42#48-55#62-63#71#73-75#77-80 疎 >>611-615 >>619 >>547 http://webcache.googleusercontent.com/search?q=cache:numenta.com/assets/pdf/whitepapers/hierarchical-temporal-memory-cortical-learning- algorithm-0.2.1-jp.pdf#31-32#34-38#63#75#79#80 >621 >>620 自分がそんなにバカに映っているとすれば尚の事 この度の不採択も併せまして私の不徳の致す所でございます http://rio2016.5ch.net/test/read.cgi/future/1427220599/624
629: 623 [sage] 2017/01/19(木) 14:00:47.01 ID:t0dB5g0K Page 32 はシーケンスを理解し、予測 ry C, D, E, F を予測する。 B のセル33は既にアクティブであるから B, C, D, E, F がそれぞれ 2 つのアクティブな状態のどちらかになる。 ry 次の音 C ry アクティブ状態のセルと予測状態のセルの集合は C, D, E, F, G を表す。 入力パターンは B から C へとまったく違うものに変化したが、20%のセルだけが変化 ry ry の出力はリージョン内のすべてのセルのアクティブ状態を示すベクトル で表されるので、この例の出力では入力に比べて 5 倍安定 ry 階層構造を上に登るに従って時間的な安定性が増加 ry 表現に文脈を追加して予測を行う 2 つのステップを「時間プーリング」 ry シーケンスに対してゆっくりと変化する出力を生成することで、 時間と共に順に現れる異なるパターンを「プールする」34。 ry 別のレベルで詳細化 ry 空間プーリングと時間プーリングで共通の概念から始 ry 共通概念 空間 ry と時間プーリングの学習は似て ry 、セル間の接続関係、あるいはシナプス の形成を含む。 時間プーリングは同じリージョン内のセル間の接続を学習する。 空間プーリングは入力ビットとカラムとのフィード・フォワード接続を学習する。 二値ウェイト HTM のシナプスは 0 又は 1 ry 。多くの他のニューラルネットワークモデルでは 0 から 1 の範囲で変化するスカラー値のウェイトを用いるのと異な ry 33 英文では cells と複数形なので、B を表すセルは一つではないことが分かる。 A, B, C,...のそれぞれに対応する疎分散表現は、 リージョン全体の 2%のセルの組み合わせで表される。 34 何かを貯めこんで蓄積するというニュアンスから、時間に関する情報を蓄積 ry http://rio2016.5ch.net/test/read.cgi/future/1427220599/629
630: 629 [sage] 2017/01/19(木) 14:23:36.84 ID:t0dB5g0K >>629 予測 >555 >>557-564 >>570-596 >>616-619 >>623 http://webcache.googleusercontent.com/search?q=cache:numenta.com/assets/pdf/whitepapers/hierarchical-temporal-memory-cortical-learning-algorithm-0.2.1-jp.pdf#31-34#37-42#48-55#62-63#71#73-75#77-80 ##4 #12#14-18#20-24#26#28-31 http://rio2016.5ch.net/test/read.cgi/future/1427220599/630
ﾒﾓ帳
(0/65535文字)
上
下
前次
1-
新
書
関
写
板
覧
索
設
栞
歴
ｽﾚ情報
赤ﾚｽ抽出
画像ﾚｽ抽出
歴の未読ｽﾚ
ｱﾎﾞﾝOFF
Google検索
Wikipedia
ぬこの手
ぬこTOP
0.036s