様々な最適化法におけるCascade-correlationの性能調査

カテゴリ: 研究会(論文単位)

論文No: ECT19093

グループ名: 【C】電子・情報・システム部門 電子回路研究会

発行日: 2019/12/18

タイトル(英語): Performance Evaluation of Cascade Correlation on Different Optimizers

著者名: 藤瀬 和洋(静岡大学),センディルクマール インドラプリヤダルシニ(静岡大学),マハブービ シェヘラザード(湘南工科大学),二宮 洋(湘南工科大学),浅井 秀樹(静岡大学)

著者名(英語): Kazuhiro Fujise(Shizuoka University),Indrapriyadarsini Sendilkkumaar(Shizuoka University),Shahrzad Mahboubi(Shonan Institute of Technology),Hiroshi Ninomiya(Shonan Institute of Technology),Hideki Asai(Shizuoka University)

キーワード: ニューラルネットワーク|カスケードコリレーション|構造学習アルゴリズム|最適化法|Neural Network|Cascade-correlation|Architecture Learning Algorithm|Optimizer

要約(日本語): ニューラルネットワーク（NN）における構造の最適化を有効かつ自動で行うのは，重要な挑戦である．各問題に対し，最適なNNの構造を設計するには，専門的知識と沢山の試行を要する．Cascade-correlationは，NNの構造を自動で生成する教師あり学習アルゴリズムとして提案された手法である．この構造学習アルゴリズムに，現在までに提案された，NNにおける重みの最適化法を導入し，ベンチマークテストにて，Cascade-correlationの性能を調査する．

要約(英語): Finding an optimum Neural Network (NN) architecture is a challenging task. It requires a lot of experience and involves several trials. Cascade-correlation was proposed as a supervised learning scheme for determining the optimum network structure automatically. In this research, we study the performance of the Cascade-correlation scheme using different optimizers.

原稿種別: 日本語

PDFファイルサイズ: 1,020 Kバイト