Deep Learningの構造最適化と出力の根拠説明

カテゴリ: 全国大会

論文No: 3-105

グループ名: 【全国大会】平成30年電気学会全国大会論文集

発行日: 2018/03/05

タイトル(英語): Reason Explanation of Output and Structure Optimization for a Deep Learning

著者名: 関段 友哉(富士電機),石橋 直人(富士電機),飯坂 達也(富士電機),松井 哲郎(富士電機)

著者名(英語): Tomoya Sekidan(Fuji Electric),Naoto Ishibashi(Fuji Electric),Tatsuya Iizaka(Fuji Electric),Tetsuro Matsui(Fuji Electric)

キーワード: Deep Learning,構造最適化,根拠説明

要約(日本語): 近年，Deep Learningの研究が進み，様々な分野への応用が増えてきている。一方，Deep Learningで用いられる多層のニューラルネットワーク(NN)は，中間層素子数などの構造を決定する方法がなく，また出力の根拠説明ができない問題がある。 著者等は，従来型の3層の階層型NNの構造の最適化や，出力の説明方法を提案し，実システムに適用してきた。今回，その方法を，ReLU関数を用いた中間層が2層以上の多層NNに拡張し，モデルの構造自動決定，及び出力の根拠説明について検証した。 本稿では，4層NNを用いたシミュレーションの結果，中間層素子数を自動的に決定でき，また学習済みモデルから各々の関数を正確に抽出することに成功したので報告する。

原稿種別: 日本語

PDFファイルサイズ: 408 Kバイト