| 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 | 2021-06-24 13:25 乱数重みニューラルネットワークにおけるアンサンブル学習の研究 ○大越康之・廣瀬一俊・安藤洸太・川村一志・ティエム ヴァン チュ・本村真人・劉 載勲（東工大）  SIS2021-7 |
|
| 抄録 | （和） | 近年，重みの値を学習する代わりに，乱数重みの結合を学習する深層ニューラルネットワークが提案され，膨大な重み係数の格納に必要なメモリリソースを大幅に削減できる可能性が示された．本研究では，乱数重みを用いたニューラルネットワークに対して様々なアンサンブル学習を適用し計算量と推論精度の解析を行い，更なるトレードオフの改善を目指した．ResNet18とCIFAR-100を用いた評価実験では，アンサンブル学習を適用することで既存の乱数重みネットワークに対し最大3%の精度向上を実現した． |
| （英） | Recent research on deep learning shows the possibility of building neural networks by learning connection existences instead of weights, in which weights are random numbers and do not change. Connection-based learning can significantly reduce memory resources to store the huge number of weights. In this research, we adopt various ensemble learning methods to the randomly weighted neural networks for improving the trade-off between computational cost and accuracy. On CIFAR-100, our ensembled ResNet18 model achieved 3.0% higher accuracy than the original randomly weighted ResNet18 model. | |
| キーワード | （和） | 機械学習 / 深層学習 / アンサンブル学習 / ニューラルネットワーク / 画像分類 / / / |
| （英） | machine learning / deep learning / ensemble learning / neural network / image classification / / / | |
| 文献情報 | 信学技報, vol. 121, no. 73, SIS2021-7, pp. 37-42, 2021年6月. | |
| 資料番号 | SIS2021-7 | |
| 発行日 | 2021-06-17 (SIS) | |
| 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 | SIS2021-7 |
|
| 研究会情報 | |
| 研究会 | SIS IPSJ-AVM |
| 開催期間 | 2021-06-24 - 2021-06-24 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 知的マルチメディアシステム, 組込み応用システム, 立体映像技術, 一般 |
| テーマ（英） | Intelligent Multimedia Systems, Applied Embedded Systems, Three-Dimensional Image Technology (3DIT), etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIS |
| 会議コード | 2021-06-SIS-AVM |
| 本文の言語 | 日本語 |
| タイトル（和） | 乱数重みニューラルネットワークにおけるアンサンブル学習の研究 |
| サブタイトル（和） | |
| タイトル（英） | A Study of Ensemble Learning for Randomly Weighted Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械学習 / machine learning |
| キーワード(2)（和/英） | 深層学習 / deep learning |
| キーワード(3)（和/英） | アンサンブル学習 / ensemble learning |
| キーワード(4)（和/英） | ニューラルネットワーク / neural network |
| キーワード(5)（和/英） | 画像分類 / image classification |
| 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） | 大越 康之 / Yasuyuki Okoshi / オオコシ ヤスユキ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | 廣瀬 一俊 / Kazutoshi Hirose / ヒロセ カズトシ |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第3著者 氏名（和/英/ヨミ） | 安藤 洸太 / Kota Ando / アンドウ コウタ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第4著者 氏名（和/英/ヨミ） | 川村 一志 / Kazushi Kawamura / カワムラ カズシ |
| 第4著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第5著者 氏名（和/英/ヨミ） | ティエム ヴァン チュ / Thiem Van Chu / ティエム ヴァン チュ |
| 第5著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第6著者 氏名（和/英/ヨミ） | 本村 真人 / Masato Motomura / モトムラ マサト |
| 第6著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第7著者 氏名（和/英/ヨミ） | 劉 載勲 / Jaehoon Yu / ユ ジェフン |
| 第7著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 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 | 2021-06-24 13:25:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIS |
| 資料番号 | SIS2021-7 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.73 |
| ページ範囲 | pp.37-42 |
| ページ数 | 6 |
| 発行日 | 2021-06-17 (SIS) |
[研究会発表申込システムのトップページに戻る]