深層学習における局所最適解回避アルゴリズムの検討

カテゴリ: 部門大会

論文No: TC2-2

グループ名: 【C】平成30年電気学会電子・情報・システム部門大会プログラム

発行日: 2018/09/05

タイトル(英語): Study about Algorithm of Avoiding Local Minima for Deep Neural Networks

著者名: 片山 俊亮(大阪府立大学),森下 博貴(大阪府立大学),井上 勝文(大阪府立大学),吉岡 理文(大阪府立大学)

著者名(英語): Shunsuke Katayama|Hiroki Morishita|Katsufumi Inoue|Michifumi Yoshioka

キーワード: ニューラルネットワーク|局所最適解|深層学習深層学習|neural networks|local minimum|deep learning

要約(日本語): 近年，自動運転技術などを筆頭に，人工知能の開発が盛んに進められている。なかでも深層学習として知られるニューラルネットワークが盛んに用いられるようになっている。ニューラルネットワークによる識別は，様々な分野で高い精度を達成しているが，学習に膨大な計算コストが必要であるという問題がある。計算コストは初期値に依存して局所最適化に陥ることで発生しているため，この点を改善できれば，大きく計算コストを削減することができる。フィードフォワードタイプのネットワークについて，各層毎の重み更新時に局所最適解を避けるよう調整することによってこの点を改善する手法が提案されているが，理論的な検討のみで，実装方法について十分に検討されていない。本研究ではこのアルゴリズムの効率的な実装について提案し，シミュレーションによって手法の有効性を検証する。

PDFファイルサイズ: 644 Kバイト