| 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 | 2024-10-17 14:00 潜在変数空間における追加学習の検討 ○小端千佳・神野健哉（東京都市大）  CAS2024-37 NLP2024-67 |
|
| 抄録 | （和） | 本稿では、ディープラーニングモデルのクラス識別における追加学習の手法と問題点について検討を行う。 従来のクラス識別タスクでは、全てのクラスのデータを用いて一度にモデルを学習するが、人間の学習プロセスの柔軟性を模倣するために、新たなクラスが追加された際に既存のモデルに新たなクラスを学習させる「追加学習」の可能性に焦点を当てる。 このような追加学習の方法として最近、Direct ONE-shot learning（DONE）手法が提案されている。 本研究では、DONE手法の有効性を検討するため、既存のディープニューラルネットワークモデルに新しいクラスのデータを追加し、追加後のクラス識別の干渉がどのようになるかを確認するための実験を行った。 CIFAR-10のデータセットを使用し、特定のクラスのみを新たなクラスとして追加学習させる実験を行い、特徴量の分布がどのように変化するかを検討した。 さらに画像の特徴量が形状か色情報かを特定するため、入力カラー画像から特定のチャンネル情報を抽出した画像を入力した際の識別精度について検討を行った。 |
| （英） | In this article, we examine the methods and problems of incremental learning in classifying deep learning models. In conventional classifying tasks, the model is trained using all the class data at once, but in order to mimic the flexibility of the human learning process, we focus on the possibility of ‘additional learning’, where when a new class is added, the existing model is trained on the new class. A method of this kind of incremental learning is the Direct ONE-shot learning (DONE) method, which has been proposed recently. In this study, in order to examine the effectiveness of the DONE method, we added new class data to an existing deep neural network model and conducted an experiment to check how the interference in class identification after the addition would be. Using the CIFAR-10 dataset, we conduct an experiment in which only a specific class is added as a new class for training, and examined how the distribution of feature values changed. Furthermore, in order to determine whether the feature values of images are shape or colour information, we examine the accuracy of classification when images with specific channel information extracted from input colour images are input. |
|
| キーワード | （和） | 深層学習 / 追加学習 / 破滅的忘却 / クラス識別 / 特徴量分布 / / / |
| （英） | deep learning / incremental learning / catastrophic forgetting / class identification / feature distribution / / / | |
| 文献情報 | 信学技報, vol. 124, no. 208, NLP2024-67, pp. 52-57, 2024年10月. | |
| 資料番号 | NLP2024-67 | |
| 発行日 | 2024-10-10 (CAS, NLP) | |
| 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 | CAS2024-37 NLP2024-67 |
|
| 研究会情報 | |
| 研究会 | NLP CAS |
| 開催期間 | 2024-10-17 - 2024-10-18 |
| 開催地（和） | 鳥取大学広報センター |
| 開催地（英） | Information Center, Tottori University |
| テーマ（和） | NLP，CAS，一般 |
| テーマ（英） | Nonlinear Problems, Circuits and Systems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2024-10-NLP-CAS |
| 本文の言語 | 日本語 |
| タイトル（和） | 潜在変数空間における追加学習の検討 |
| サブタイトル（和） | |
| タイトル（英） | Consideration of incremental learning in the latent variable space |
| 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） | 追加学習 / incremental learning |
| キーワード(3)（和/英） | 破滅的忘却 / catastrophic forgetting |
| キーワード(4)（和/英） | クラス識別 / class identification |
| キーワード(5)（和/英） | 特徴量分布 / feature distribution |
| 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） | 小端 千佳 / Chika Obata / オバタ チカ |
| 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： Tokyo City Univ.) |
| 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： Tokyo City Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-10-17 14:00:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NLP |
| 資料番号 | CAS2024-37, NLP2024-67 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.207(CAS), no.208(NLP) |
| ページ範囲 | pp.52-57 |
| ページ数 | 6 |
| 発行日 | 2024-10-10 (CAS, NLP) |
[研究会発表申込システムのトップページに戻る]