| 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 | 2023-03-14 10:20 ロバストかつ高精度な深層学習手法に関する研究 ○野口尚馬・種田祥吾・山内ゆかり（日大）  NC2022-101 |
|
| 抄録 | （和） | 深層学習では事前に決定しなければならないハイパーパラメータが多数存在し，その違いによって精度が変化してしまうことが知られている．パラメータの調整には多大な時間的コストを要するため，調整を必要としない学習方法が求められている．そこで本研究では，最適化手法，正則化手法，データ増強の3つの観点からハイパーパラメータに対してロバストな手法を提案し，調整不要かつ高精度な学習方法の実現を試みた．提案手法はハイパーパラメータに対するロバスト性に関しては従来手法を大きく上回る性能を発揮し，精度に関しても従来手法に匹敵する高い精度を発揮した． |
| （英） | In deep learning, there are many hyperparameters that must be determined in advance, and it is known that the accuracy varies depending on these parameters. Since tuning parameters is time-consuming and costly, there is a need for learning methods that do not require tuning. In this study, we propose a robust method for hyperparameters from the three viewpoints of optimization, regularization, and data augmentation, and attempt to realize a learning method that is tuning-free and highly accurate. The proposed method outperforms the conventional methods in terms of robustness against hyperparameters, and its accuracy is comparable to that of the conventional methods. | |
| キーワード | （和） | 深層学習 / 最適化手法 / 正則化手法 / データ増強 / / / / |
| （英） | Deep Learning / Optimization Method / Regularization Method / Data Augmentation / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 425, NC2022-101, pp. 54-59, 2023年3月. | |
| 資料番号 | NC2022-101 | |
| 発行日 | 2023-03-06 (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 | NC2022-101 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2023-03-13 - 2023-03-15 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | The Univ. of Electro-Communications |
| テーマ（和） | 脳アーキテクチャー, 一般（NC, ME） |
| テーマ（英） | Brain architecture, General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2023-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | ロバストかつ高精度な深層学習手法に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | Study on a robust and accurate deep learning method |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep Learning |
| キーワード(2)（和/英） | 最適化手法 / Optimization Method |
| キーワード(3)（和/英） | 正則化手法 / Regularization Method |
| キーワード(4)（和/英） | データ増強 / Data Augmentation |
| 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） | 野口 尚馬 / Shoma Noguchi / ノグチ ショウマ |
| 第1著者 所属（和/英） | 日本大学 (略称： 日大) Nihon University (略称： Nihon Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 種田 祥吾 / Shogo Taneda / タネダ ショウゴ |
| 第2著者 所属（和/英） | 日本大学 (略称： 日大) Nihon University (略称： Nihon Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 山内 ゆかり / Yukari Yamauchi / ヤマウチ ユカリ |
| 第3著者 所属（和/英） | 日本大学 (略称： 日大) Nihon University (略称： Nihon Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-14 10:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2022-101 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.425 |
| ページ範囲 | pp.54-59 |
| ページ数 | 6 |
| 発行日 | 2023-03-06 (NC) |
[研究会発表申込システムのトップページに戻る]