| 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 | 2020-03-05 10:20 H∞学習の深層ニューラルネットワークへの拡張 ○菅原康滉・西山 清（岩手大）  NC2019-92 |
|
| 抄録 | （和） | 近年、深層ニューラルネットワークは注目すべき研究結果を達成している。本研究では、著者の1人が提案したH∞学習を深層ニューラルネットワークに拡張する方法を提案する。H∞学習は、ニューラルネットワークでの学習の困難に対処する学習方法であり、観測行列を含むニューラルネットワークの状態空間モデルに拡張H∞フィルタを適用することから得られる。本研究では、この観測行列の計算を変更す るだけで、H∞学習を深層ニューラルネットワークに拡張する。 また、その行列の各要素を再帰的に計算する方法も導出する。 さらに、その学習性能は、従来のバックプロパゲーション法と比較してシミュレーションによって評価される。 |
| （英） | In recent years, deep neural networks have achieved remarkable research results. In this study, we propose a method to extend the H∞-learning proposed by one of the authors to deep neural networks. The H∞-learning is a learning method that addresses the difficulties of learning in neural networks. The H∞-learning is derived from applying the extended H∞ filter to a state space model of neural network including an observation matrix. This study extends the H∞-learning to deep neural networks by only changing the calculation of this observation matrix. And we also derive a method to recursively calculate each element of the matrix. In addition, the learning performance is evaluated by simulation in comparison with the conventional backpropagation method. | |
| キーワード | （和） | ニューラルネットワーク / 学習法 / H∞学習 / バックプロパゲーション / / / / |
| （英） | neural network / learning algorithm / H∞-learning / backpropagation / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 453, NC2019-92, pp. 95-100, 2020年3月. | |
| 資料番号 | NC2019-92 | |
| 発行日 | 2020-02-26 (NC) | |
| ISSN | 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 | NC2019-92 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2020-03-04 - 2020-03-06 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | University of Electro Communications |
| テーマ（和） | NC, ME, 一般 |
| テーマ（英） | Neuro Computing, Medical Engineering, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2020-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | H∞学習の深層ニューラルネットワークへの拡張 |
| サブタイトル（和） | |
| タイトル（英） | An extension of the H_infinity learning to deep neural networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ニューラルネットワーク / neural network |
| キーワード(2)（和/英） | 学習法 / learning algorithm |
| キーワード(3)（和/英） | H∞学習 / H∞-learning |
| キーワード(4)（和/英） | バックプロパゲーション / backpropagation |
| 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） | 菅原 康滉 / Yasuhiro Sugawara / ヤスヒロ スガワラ |
| 第1著者 所属（和/英） | 岩手大学 (略称： 岩手大) Iwate University (略称： Iwate University) |
| 第2著者 氏名（和/英/ヨミ） | 西山 清 / Kiyoshi Nishiyama / ニシヤマ キヨシ |
| 第2著者 所属（和/英） | 岩手大学 (略称： 岩手大) Iwate University (略称： Iwate University) |
| 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 | 2020-03-05 10:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2019-92 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.453 |
| ページ範囲 | pp.95-100 |
| ページ数 | 6 |
| 発行日 | 2020-02-26 (NC) |
[研究会発表申込システムのトップページに戻る]