講演抄録/キーワード |
講演名 |
2022-11-18 09:50
CNNに適した総チャネル数を示す指標の検討 ○髙橋知里・神野健哉(東京都市大) CCS2022-54 |
抄録 |
(和) |
分類性能の良いニューラルネットワークを探索するため,自動的に構造を最適化することを目指した Neural Architecture Search (NAS)が近年注目を集めている.
最近では,探索時間を短縮するため,実際に学習を実行することなく分類性能を推定するzero-shotでの評価方法が提案されている.
しかしこれらの指標は,最高性能のニューラルネットワークの探索するためにはまだ不十分である.
本研究は,ReLU出力値の平均の分散がCNNに適切なチャネル数を決定するための指標として役立つと考えた.
各々の関係を検討し,zero-shotで分類性能の評価を行う新たな評価指標の基礎とする. |
(英) |
Neural Architecture Search (NAS), which aims to automatically optimize the structure in order to search for neural networks with good classification performance, has attracted much attention in recent years.
Recently, zero-shot evaluation methods have been proposed to estimate classification performance without actually performing training in order to reduce search time.
However, these metrics are still insufficient for finding the best-performing neural networks.
This study considered that the variance of the mean of the ReLU output values could serve as an indicator to determine the appropriate number of channels for a CNN.
The relationship between them will be examined and used as the basis for a new metric to evaluate the classification performance in a zero-shot manner. |
キーワード |
(和) |
Neural Architecture Search / neural network / CNN / Zero-shot evaluation index / / / / |
(英) |
Neural Architecture Search / neural network / CNN / Zero-shot evaluation index / / / / |
文献情報 |
信学技報, vol. 122, no. 255, CCS2022-54, pp. 57-60, 2022年11月. |
資料番号 |
CCS2022-54 |
発行日 |
2022-11-10 (CCS) |
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 |
CCS2022-54 |
研究会情報 |
研究会 |
CCS |
開催期間 |
2022-11-17 - 2022-11-18 |
開催地(和) |
シンフォニアテクノロジー響ホール伊勢 (伊勢市観光文化会館) |
開催地(英) |
|
テーマ(和) |
相互作用(インタラクション)と情報伝達(コミュニケーション),一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
CCS |
会議コード |
2022-11-CCS |
本文の言語 |
日本語 |
タイトル(和) |
CNNに適した総チャネル数を示す指標の検討 |
サブタイトル(和) |
|
タイトル(英) |
Consideration of an indicator of the total channels suitable for CNN |
サブタイトル(英) |
|
キーワード(1)(和/英) |
Neural Architecture Search / Neural Architecture Search |
キーワード(2)(和/英) |
neural network / neural network |
キーワード(3)(和/英) |
CNN / CNN |
キーワード(4)(和/英) |
Zero-shot evaluation index / Zero-shot evaluation index |
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) |
髙橋 知里 / Chisato Takahashi / タカハシ チサト |
第1著者 所属(和/英) |
東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: TCU) |
第2著者 氏名(和/英/ヨミ) |
神野 健哉 / Kenya Jin'no / ジンノ ケンヤ |
第2著者 所属(和/英) |
東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: TCU) |
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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-11-18 09:50:00 |
発表時間 |
25分 |
申込先研究会 |
CCS |
資料番号 |
CCS2022-54 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.255 |
ページ範囲 |
pp.57-60 |
ページ数 |
4 |
発行日 |
2022-11-10 (CCS) |