ブロック構造ニューラルネットワークの構造学習法

カテゴリ: 部門大会

論文No: GS11-1

グループ名: 【C】平成24年電気学会電子・情報・システム部門大会講演論文集

発行日: 2012/09/05

タイトル(英語): Structure Learning Method of Block-Based Neural Networks

著者名: 渡邉 栄貴(千葉大学),小圷 成一(千葉大学),岡本 卓(千葉大学),平田 廣則(千葉大学)

著者名(英語): Hidetaka Watanabe(Chiba University),Seiichi Koakutsu(Chiba University),Takashi Okamoto(Chiba University),Hironori Hirata(Chiba University)

キーワード: ニューラルネットワーク|FPGA|遺伝的アルゴリズム|ブロック構造|Neural Network|FPGA|Genetic Algorithm|Block-Based Structure

要約(日本語): 本研究では，ブロック構造ニューラルネットワークにおける構造の類似性の保持を導入した発火順序による構造決定手法を提案する。提案手法では，出力ブロックを固定，かつ構造変更の際にすべての層を一度に変更するのではなく，一つの層のみを変更することにより，構造の類似性を高く保つことができる。また，重みの学習の収束判定を導入し，重みの収束後に構造の変更を行うことで学習の効率化を図る。提案手法をサイズの異なるネットワークにおいて分類問題に応用し，従来手法と回路規模を比較，学習の有効性を検証する。提案手法および従来手法によるBBNN の学習を行う論理回路をVerilog HDL により記述し，論理シミュレーションにより動作を確認したところ，提案手法は従来手法と同様に学習を行うことができ，かつネットワークの構造と重みの効率的な学習できることを確認した。

PDFファイルサイズ: 5,423 Kバイト