多層パーセプトロンの学習法に関する再検討

カテゴリ: 研究会(論文単位)

論文No: ST18060

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): An investigation of learning methods of multi-layered perceptron

著者名: 呉本 尭(山口大学),田中 大樹(山口大学),間普 真吾(山口大学)

著者名(英語): Takashi Kuremoto(Yamaguchi University),Hiroki Tanaka(Yamaguchi University),Shingo Mabu(Yamaguchi University)

キーワード: ニューラルネットワーク|深層学習|多層パーセプトロン|誤差逆伝搬法|確率的傾斜法|パターン認識|artificial neural networks|deep learning|multi-layer perceptron|error back propagation|stochastic gradient ascent|stochastic gradient descent

要約(日本語): 近年、様々なニューラルネットワークを用いた深層学習の研究は迅速に進んでいる。これまで、深層学習に用いられる教師ありの学習方式は誤差逆伝搬法(BP法）、確率的傾斜降下法（SGD法）、確率的傾斜向上法(SGA法）など挙げられる。本論文では、従来の多層パーセプトロン(MLP)に対し、これらの学習方式の性能について、パターン認識問題に関する実験結果によって調査する。

要約(英語): There have been proposed various training methods for supervised learning used in deep learning, such as error back-propagation (BP), stochastic gradient descent (SGD), stochastic gradient ascent (SGA), etc. In this study, we investigated the performance of this methods in the case of multi-layer percetron (MLP) by classification experiment results.

原稿種別: 日本語

PDFファイルサイズ: 1,400 Kバイト