|
2層の動的バイナリーニューラルネット(DBNN)に2値周期軌道(BPO)を銘記する学習法を構築した。同手法をパワーエレクトロニクスの基本回路の制御信号に対応する教師信号BPOに適用し、手法の有効性を確認した。また、デジタルリターンマップを用いてDBNNの動作を視覚化する方法も提案し、学習過程の把握に有効であることを明らかにした。
DBNNにBPOが銘記できた場合に、結合行列をスパース化すると、それに落ち込む初期値の数が増え、安定性が強化される場合のあることを示した。いくつかの基本的な例題教師信号によって、そのスパース化の有効性を確認した。
|
