リカレント二ユーラノレネットワークによるSigmoid関数を用いた関数近似能力の拡張

摘要

現在まで，自然現象を記述する方法として，方程式や法則，あるいはそれらをネットワーク状に組み合わせた手法が用いられてきたしかし，自然現象は多くの要素から成り，単純化した方程式や法則で表現することは困難である.そのような状況で，深層学習とニューラルネットワーク（NN) を基礎とした解析が多くの例に適応され，成果を挙げている.しかし，階層型NNと伝達関数として用いるSigmoid関数による近似では，曲線のみの波形の近似が主で微分係数が連続でない点を含hだ関数などの表現が困難である.そこで本研究では，中間層にループ構造を含hだリカレントニューラルネットワーク（RNN)を用いることによって，その問題を解決できないか議論する.