| 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 | 2017-10-12 14:00 エンタングルメント・エントロピーに基づく畳み込みニューラルネットワーク ○江口 脩・田中 勝（福岡大）  PRMU2017-73 |
|
| 抄録 | （和） | 現在，機械学習に用いられるニューラルネットワークは，過学習が起きないように，膨大なデータから分類に必要な情報を抽出する．しかし，分類に必要な情報を抽出する際に，分類に不必要な情報も抽出している．そこで，本稿では，分類に不必要な情報を削減しながら重要な情報を維持するアルゴリズムを構築することが可能かどうかを判断するために行った実験結果について報告する．本稿で検討するモデルはエンタングルメント・エントロピーに基づく畳み込みニューラルネットワーク（EECNN：Entanglement Entropic Convolutional Neural Network）でありこれは，機械学習分野への物理学的アプローチを用いる．まず，層への入力または層からの出力から得られた確率振幅を用いて，エンタングルメント・エントロピーを計算する．エンタングルメント・エントロピーは，確率振幅がランダムノイズでない場合，特異値分解後のいくつかの特異値を用いて再構成することで元の画像を十分に近似することができる．エントロピーの結果に基づいて特異値から元の確率振幅を復元することにより，情報を削減しながら重要な情報を維持する． |
| （英） | The neural network used for machine learning is an extract that extracts information necessary for classification from enormous data so as not to undergo overlearning. However, when extracting information necessary for classification, it also extracts unnecessary information for classification. In this article, we report on the results of experiments conducted to determine whether an algorithm to maintain important information is possible while reducing unnecessary information for classification. The model discussed in this paper is a convolution neural network based on an entanglement entropy (EECNN: Entanglement Entropic Convolutional Neural Network), which uses a physical approach to the machine learning field. The calculation of the entangement entropy using the probability amplitude obtained from input to the layer or output from the layer. The entangement entropy is an example where the original image can be sufficiently approximated by reconstructing using several singular values after the singular value decomposition, if the probability amplitude is not random noise. Maintaining important information while reducing information by restoring the original probability amplitude from singular values based on the results of entropy. | |
| キーワード | （和） | 量子力学 / 機械学習 / エンタングルメント・エントロピー / 特異値分解 / 畳み込みニューラルネットワーク / / / |
| （英） | quantum mechanics / machine learning / entanglement entropy / singular value decomposition / convolutional neural network / / / | |
| 文献情報 | 信学技報, vol. 117, no. 238, PRMU2017-73, pp. 61-66, 2017年10月. | |
| 資料番号 | PRMU2017-73 | |
| 発行日 | 2017-10-05 (PRMU) | |
| 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 | PRMU2017-73 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2017-10-12 - 2017-10-13 |
| 開催地（和） | 熊本大学 |
| 開催地（英） | |
| テーマ（和） | 深層学習 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2017-10-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | エンタングルメント・エントロピーに基づく畳み込みニューラルネットワーク |
| サブタイトル（和） | |
| タイトル（英） | Entanglement Entropic Convolutional Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 量子力学 / quantum mechanics |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | エンタングルメント・エントロピー / entanglement entropy |
| キーワード(4)（和/英） | 特異値分解 / singular value decomposition |
| キーワード(5)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| 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） | 江口 脩 / Shu Eguchi / エグチ シュウ |
| 第1著者 所属（和/英） | 福岡大学 (略称： 福岡大) Fukuoka University (略称： Fukuoka Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 田中 勝 / Masaru Tanaka / タナカ マサル |
| 第2著者 所属（和/英） | 福岡大学 (略称： 福岡大) Fukuoka University (略称： Fukuoka Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-10-12 14:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2017-73 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.238 |
| ページ範囲 | pp.61-66 |
| ページ数 | 6 |
| 発行日 | 2017-10-05 (PRMU) |
[研究会発表申込システムのトップページに戻る]