| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2014-10-18 14:50 RBMの学習特性の分析と隠れ層ニューロン数の自動決定法 ○大澤正彦・萩原将文（慶大）  NC2014-22 |
|
| 抄録 | （和） | 本論文ではまず，制限付きボルツマンマシン(RBM)の学習特性をコンピュータシミュレーションによって分析する．次に，分析結果から得られた知見を利用してRBMの隠れ層ニューロン数を決定する手法を提案する．提案手法は，コンピュータシミュレーションで示唆された特性の中から2つを利用している．1つは，ある条件下でクロスエントロピーの減少は隠れ層ニューロン数に応じてほぼ直線的であるという特性である．もう1つはビットごとの分散が大きなデータセットに対しては，学習を進めるために最低限必要な隠れ層ニューロン数が存在するという特性である．これらの知見を利用した提案方式では，任意のクロスエントロピーに収束する隠れ層ニューロン数を決定することができる．評価実験では，コンピュータシミュレーションから求めた隠れ層ニューロン数に近い結果を得ることが確認された． |
| （英） | In this paper，we analyze the learning characteristics of Restricted Boltzmann Machine (RBM) by computer simulation． Then，using knowledge from the results of analyses，we propose an automatic method for deciding the number of hidden neurons． The proposed method utilizes two findings obtained from the computer simulation．First one is that，reduction of cross entropy is almost linear with the number of hidden neurons under certain conditions． Another one is that the minimum number of hidden neurons exists for reductions of the cross entropy if we use the dataset with large variance． The proposed method utilizing these findings can estimate the proper number of hidden neurons． We confirmed the effectiveness of the proposed method through computer experiments． |
|
| キーワード | （和） | 制限付きボルツマンマシン / ディープラーニング / / / / / / |
| （英） | Restricted Boltzmann Machine / Deep Learning / / / / / / | |
| 文献情報 | 信学技報, vol. 114, no. 259, NC2014-22, pp. 7-12, 2014年10月. | |
| 資料番号 | NC2014-22 | |
| 発行日 | 2014-10-11 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2014-22 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2014-10-18 - 2014-10-18 |
| 開催地（和） | 大阪電気通信大学 |
| 開催地（英） | Osaka Electro-Communication University |
| テーマ（和） | ME、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2014-10-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | RBMの学習特性の分析と隠れ層ニューロン数の自動決定法 |
| サブタイトル（和） | |
| タイトル（英） | Analysis of Learning Characteristics of RBM and Automatic Method for Deciding the Number of Hidden Neurons |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 制限付きボルツマンマシン / Restricted Boltzmann Machine |
| キーワード(2)（和/英） | ディープラーニング / Deep Learning |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 大澤 正彦 / Masahiko Osawa / オオサワ マサヒコ |
| 第1著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 萩原 将文 / Masafumi Hagiwara / ハギワラ マサフミ |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2014-10-18 14:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2014-22 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.259 |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2014-10-11 (NC) |
[研究会発表申込システムのトップページに戻る]