| 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 09:30 逐次および同時マルチタスク学習のグラフ縮約による解析 ○杉山大知・倉重宏樹（東海大）  NC2022-99 |
|
| 抄録 | （和） | 人や動物は様々なタスクを学習できる．その際，逐次的にタスクを学習することが一般的である．しかし，以前に学習した内容が次の学習に与える影響については明らかになっていない．そこで本研究では，リカレントニューラルネットワークに複数のタスクを逐次および同時に学習させ，それらの解空間をグラフ縮約法を用いて解析し，その差異を比較した．結果，逐次学習と同時学習の間に統計的な差は見られなかった．この結果は，あるタスクのクラスについては学習の同時性・逐次性は差異をもたらさないことを示唆する．今後はより広いタスククラスについて，この検討を広げていく必要がある． |
| （英） | Humans and animals can learn multiple tasks. It is common that learning to learn tasks sequentially. However, it is not clear whether and how preceding learning affects subsequent one. Therefore, in this study, we investigated the difference in the dynamical features between the recurrent neural networks that learned multiple tasks concurrently and sequentially. Using the graph reduction method, we showed that there is no statistical difference between them. This result suggests that the sequentiality of learning does not make a difference for a particular class of tasks. It is necessary to extend this analysis to a wider range of task classes in the future. | |
| キーワード | （和） | リカレントニューラルネットワーク / マルチタスク学習 / グラフ縮約法 / / / / / |
| （英） | Recurrent neural networks / Multi-task learning / Graph reduction / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 425, NC2022-99, pp. 42-47, 2023年3月. | |
| 資料番号 | NC2022-99 | |
| 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 | NC2022-99 |
|
| 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） | 逐次および同時マルチタスク学習のグラフ縮約による解析 |
| サブタイトル（和） | |
| タイトル（英） | Dynamical analysis of concurrent and sequential multi-task learning in recurrent neural networks using the graph reduction method |
| サブタイトル（英） | |
| キーワード(1)（和/英） | リカレントニューラルネットワーク / Recurrent neural networks |
| キーワード(2)（和/英） | マルチタスク学習 / Multi-task learning |
| キーワード(3)（和/英） | グラフ縮約法 / Graph reduction |
| キーワード(4)（和/英） | / |
| 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） | 杉山 大知 / Daichi Sugiyama / スギヤマ ダイチ |
| 第1著者 所属（和/英） | 東海大学 (略称： 東海大) Tokai University (略称： Tokai Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 倉重 宏樹 / Hiroki Kurashige / |
| 第2著者 所属（和/英） | 東海大学 (略称： 東海大) Tokai University (略称： Tokai Univ.) |
| 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 | 2023-03-14 09:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2022-99 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.425 |
| ページ範囲 | pp.42-47 |
| 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]