多段入力を導入した改良型ブロック構造ニューラルネットワーク

カテゴリ: 部門大会

論文No: GS5-2

グループ名: 【C】2019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: 2019/08/28

タイトル(英語): Improved Block-based Neural Network with Multistage inputs

著者名: 池田 直矢(千葉大学),小圷 成一(千葉大学),中間 公啓(千葉大学)

著者名(英語): Naoya Ikeda|Seiichi Koakutsu|Kimihiro Nakama

キーワード: 進化型ハードウェア|ブロック構造ニューラルネットワーク|遺伝的アルゴリズム|ランダムフォレスト|Evolvable Hardware|Block-based Neural Network|Genetic Algorithm|Random Forest

要約(日本語): 近年，進化型ハードウェア（Evolvable Hardware: EHW）の研究が注目されている。このEHWのモデルとして，ブロック構造ニューラルネットワーク（Block-based Neural Network: BNN）が提案されている。これまでに，BNNの基本ブロックを改良し，効率的な学習を可能にした，改良型BNNが提案されている。しかし，このモデルでは入力値をすべて一段目から入力する必要があるため，ネットワークサイズが肥大化するという問題点がある。一方で，複数段からも入力を可能にした多段入力型BNNが提案されているが，入力配置によって学習性能に差異が生じるという問題点がある。そこで，本研究では，改良型BNNに多段入力を導入したモデルと，重要度推定による入力配置決定法を提案する。提案手法を複数のベンチマーク問題に応用し，学習性能と汎化性能の評価を行い，提案手法の有効性を確認した。

PDFファイルサイズ: 1,225 Kバイト