講演抄録/キーワード |
講演名 |
2016-07-06 15:20
局所的な競合度と順行伝播する教師信号で学習するディープニューラルネットワーク ○篠崎隆志(NICT) NC2016-15 |
抄録 |
(和) |
本研究では従来の誤差逆伝播学習法とは大きく異なる,順行伝播する教師信号で教師あり学習を実現する新しいディープニューラルネットワークについて報告する.自己組織化マップの組み合わせで構成されたネットワークにおいて,豊富な情報量を持つ入力信号を教師信号として用い,高い汎化性を持つヒトのような学習を実現する.学習の標的入力に先行して,すでに学習済みで正解を出力する入力を「お手本」として入力し,その残効状態のもとで標的入力を処理することでネットワークの非線形ダイナミクスのもとでの信号の関連付けを行い,ネットワークがすでに獲得している学習表現を活かした効率的な学習を行う.手書き文字認識課題による学習の検証を行ったところ高い識別率と表現学習性能を示した. |
(英) |
This study proposes a novel supervised learning method for deep neural networks that uses feedforward supervisory signal. The learning method requires sparse dynamics, and uses additional advance input as a supervisory signal to learn the target input. Before the target input, advance input, which produces the required classification label, is propagated through the entire network, and then the target input is processed with the after-effect of the advance input. We validated the efficiency of the proposed method by the visual recognition task of MNIST handwritten image dataset with a deep feedforward network. |
キーワード |
(和) |
ディープニューラルネット / 深層学習 / 表現学習 / 自己組織化マップ / / / / |
(英) |
Deep Neural Network / Deep Learning / Representation Learning / Self Organizing Map / / / / |
文献情報 |
信学技報, vol. 116, no. 120, NC2016-15, pp. 229-234, 2016年7月. |
資料番号 |
NC2016-15 |
発行日 |
2016-06-28 (NC) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2016-15 |
研究会情報 |
研究会 |
NC IPSJ-BIO IBISML IPSJ-MPS |
開催期間 |
2016-07-04 - 2016-07-06 |
開催地(和) |
沖縄科学技術大学院大学 |
開催地(英) |
Okinawa Institute of Science and Technology |
テーマ(和) |
機械学習によるバイオデータマインニング、一般 |
テーマ(英) |
Machine Learning Approach to Biodata Mining, and General |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2016-07-NC-BIO-IBISML-MPS |
本文の言語 |
日本語 |
タイトル(和) |
局所的な競合度と順行伝播する教師信号で学習するディープニューラルネットワーク |
サブタイトル(和) |
|
タイトル(英) |
Feedforward supervised learning for deep neural networks with local competitiveness information |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ディープニューラルネット / Deep Neural Network |
キーワード(2)(和/英) |
深層学習 / Deep Learning |
キーワード(3)(和/英) |
表現学習 / Representation Learning |
キーワード(4)(和/英) |
自己組織化マップ / Self Organizing Map |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
篠崎 隆志 / Takashi Shinozaki / シノザキ タカシ |
第1著者 所属(和/英) |
情報通信研究機構 (略称: NICT)
National Institute of Information and Communications Technology (略称: NICT) |
第2著者 氏名(和/英/ヨミ) |
/ / |
第2著者 所属(和/英) |
(略称: )
(略称: ) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2016-07-06 15:20:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2016-15 |
巻番号(vol) |
vol.116 |
号番号(no) |
no.120 |
ページ範囲 |
pp.229-234 |
ページ数 |
6 |
発行日 |
2016-06-28 (NC) |