学習 HTM リージョンは ry パターンとパターンのシーケンスを見つけることで、 その世界を学習する。 ry 入力が何を表しているのかを「知って」はいない。 ry 統計的 ry 入力ビット ry 頻繁に同時に起こる組み合わせを見ている。 ry これを空間的パターンと呼 ry パターンが時間と共にどのような順で現れるか ry これを時間的パターンないしシーケンスと呼んでいる。
ry 入力が建物の ry センサであるなら、リージョンは建物の北側や南側において、 ある温度と湿度の組み合わせがしばしば起こることを見つけるだろう。 そしてこれらの組み合わせが毎日移り変わる様子を学習 ry
ry 入力があるお店の購入に関する情報 ry 、週末にある種の雑誌が購入される ry 、天候が寒いときはある種の価格帯のものが夕方頃に好まれることを ry
一つの HTM リージョンは学習の能力が限定されている。 ry どれだけのメモリ ry 入力が ry 複雑 ry に応じて何を学習するかを自動的に調整する。 ry メモリが削減 ry 学習する空間的パターンはより単純 ry メモリが増加 ry 複雑になりうる。学習した空間的パターンが単純であれば、 複雑な画像を理解するにはリージョンの階層構造が必要となりうる。 我々はこの特徴を、人の視覚システムに見る ry 。網膜から情報を受け取る新皮質のリージョンは、 視覚的な小さな領域についてだけ、空間的なパターンを学習する。 階層 ry を経由した後にだけ、視覚の全体像を認識する。 05685672016/11/23(水) 12:52:31.78ID:IM1cuRG2 生物的システムと同様に、HTM リージョン ry オンライン学習 ry 新しい入力を受け取るごとに継続的に学習する。 学習 ry 推論が改善されるが、学習フェーズと推論フェーズとを分ける必要はない。 ry
ry HTM は学習し続けることもできるし、訓練フェーズの後に学習を無効化することも ry 、階層構造の下位レベルでは学習を無効化し、上位レベルでは学習を続けることもできる。 HTM が ry の統計的構造を学習したら、多くの学習は階層構造のより上位 ry 。もし HTM が下位レベル ry 新しいパターンに触れたら、これらの新しいパター
