| 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 | 2022-09-29 13:50 ニューラルネットワークにおける等方的推論とモジュラリティ ○大西由真・今城朋彬・松原勇介・橋田浩一（東大）  NC2022-37 |
|
| 抄録 | （和） | ニューラルネットワークは連立方程式とみなすことができる。それによる推論は、連立方程式を解くこと(制約充足)に相当する。制約充足問題として考えると、ユニット(変数)を共有することによって複数のニューラルネットワークを連携させることができる。連立方程式が解けるためには、変数と方程式の個数を揃える必要がある。これには、エネルギー最小化原理からニューラルネットワークの方程式を導く方法が考えられ、その際にはエネルギー関数を損失関数とすればよい。そしてそのエネルギー関数を最小化する際には、数値解法を用いる。数値解法を用いた推論・学習は、例えばDeep Equilibrium Modelにおいて、最先端の成果を達成している。 |
| （英） | Neural networks can be regarded as a system of simultaneous equations. Reasoning with it is to solve the simultaneous equations (constraint satisfaction). Considering it as a constraint satisfaction problem, multiple neural networks can be linked by sharing units (variables). In order for the simultaneous equations to be solved, the variables and the number of equations must be aligned. This can be done by deriving the equations of the neural network from the energy minimization principle, in which the energy function should be a loss function. Then, to minimize that energy function, a numerical solution method is used. State-of-the-art results in inference and learning using numerical solution methods have been achieved, for example, in the Deep Equilibrium Model. | |
| キーワード | （和） | エネルギー関数 / エネルギー最小化原理 / 自由エネルギー原理 / 等方的推論 / / / / |
| （英） | energy function / energy minimization principle / free energy principle / isotropic inference / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 195, NC2022-37, pp. 20-23, 2022年9月. | |
| 資料番号 | NC2022-37 | |
| 発行日 | 2022-09-22 (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 | NC2022-37 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2022-09-29 - 2022-09-30 |
| 開催地（和） | 東北大学 |
| 開催地（英） | Tohoku Univ. |
| テーマ（和） | 脳アーキテクチャー, 一般（NC, ME） |
| テーマ（英） | Brain Architecture, NC, ME |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2022-09-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | ニューラルネットワークにおける等方的推論とモジュラリティ |
| サブタイトル（和） | |
| タイトル（英） | Isotropic Inference and Modularity in Neural Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | エネルギー関数 / energy function |
| キーワード(2)（和/英） | エネルギー最小化原理 / energy minimization principle |
| キーワード(3)（和/英） | 自由エネルギー原理 / free energy principle |
| キーワード(4)（和/英） | 等方的推論 / isotropic inference |
| 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） | 大西 由真 / Yuma Onishi / オオニシ ユウマ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 今城 朋彬 / Tomoaki Imajo / |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第3著者 氏名（和/英/ヨミ） | 松原 勇介 / Yusuke Matsubara / |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第4著者 氏名（和/英/ヨミ） | 橋田 浩一 / Koiti Hasida / |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 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 | 2022-09-29 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2022-37 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.195 |
| ページ範囲 | pp.20-23 |
| ページ数 | 4 |
| 発行日 | 2022-09-22 (NC) |
[研究会発表申込システムのトップページに戻る]