Autoencoderによる特徴抽出機構を伴ったニューラルネットワークの並 列学習法

カテゴリ: 研究会(論文単位)

論文No: ST18042

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/09/26

タイトル(英語): A parallel learning method of neural networks with feature extraction mechanism by autoencoder

著者名: 松井 央佑(千葉大学),岡本 卓(SENSY),小圷 成一(千葉大学),下馬場 朋禄(千葉大学),伊藤 智義(千葉大学)

著者名(英語): Osuke Matsui(Chiba Univ.),Takashi Okamoto(SENSY Inc.),Seiichi Koakutsu(Chiba Univ.),Tomoyoshi Shimobaba(Chiba Univ.),Tomoyoshi Ito(Chiba Univ.)

キーワード: ニューラルネットワーク|オートエンコーダ|デノイジングオートエンコーダ|neural network|autoencoder|denoising autoencoder

要約(日本語): 深層学習は高い表現力を有し，現実の複雑な問題に対し優れた性能を示す。しかし，複雑なネットワークの学習は過学習や勾配消失などの問題により学習が停滞することが障壁となっている。このような問題に対し，Autoencoderにより本来の学習を行う前に，事前学習を行う手法の有効性が確認されている。本研究では，Autoencoderの性能を向上させるためにノイズを付加して事前学習を行うDenoising Autoencoderに関して，事前学習と本来の学習を同時に行う手法を提案する。

要約(英語): The superior capability of deep learning for　practical problems is shown because of its higher level representation. However, learning problems cause a learning plateau.Previous researches have indicated the effectiveness of pre-training method. This study proposes a pre-training method in parallel with fine-tuning using denoising autoencoder that is used corrupted input.

原稿種別: 日本語

PDFファイルサイズ: 2,705 Kバイト