講演抄録/キーワード |
講演名 |
2011-01-24 09:30
パラメータ化オンライン準ニュートン法による階層型ニューラルネットワークの学習 ○二宮 洋(湘南工科大) NLP2010-125 NC2010-89 |
抄録 |
(和) |
本研究では準ニュートン法に基づく階層型ニューラルネットワークの新たな学習法を提案する.従来,階層型ニューラルネットワークの学習法に対して準ニュートン法に基づく学習法としてバッチ勾配学習法及びオンライン勾配学習法が提案されてきた.近年,ロバストな収束特性を持つ改良型オンライン準ニュートン法が提案された.改良型オンライン準ニュートン法では,学習データの与え方を改良することで準ニュートン法の収束特性を大幅に向上させることができた.本研究では,学習データの与え方をパラメータ化した,オンライン準ニュートン法に基づく学習アルゴリズムを提案する.また,提案手法とランジュバンアルゴリズムとの類似性に関して考察する.さらに,シミュレーションにより提案アルゴリズムが改良型オンライン準ニュートン法と同様のロバストな収束特性を持つことを示す. |
(英) |
This paper describes a new gradient based technique for training of feedforward neural networks. Recently, improved online quasi-Newton method was developed for neural network training improving feeding method of training data. This paper proposes a novel training algorithm based on the online quasi-Newton in which the feeding method of training data is parameterized. Furthermore, an analogy between the proposed algorithm and Langevin one is considered. The proposed algorithm is employed for robust neural network training purpose. Neural network training for some benchmark problems is presented to demonstrate the proposed algorithm. The proposed algorithm achieves more accurate and robust training results than the other quasi-Newton based training algorithms. |
キーワード |
(和) |
階層型ニューラルネットワーク / 準ニュートン法 / オンライン勾配学習法 / バッチ勾配学習法 / ランジュバンアルゴリズム / / / |
(英) |
feedforward neural networks / quasi-Newton method / online gradient training method / batch gradient training method / Langevin algorithm / / / |
文献情報 |
信学技報, vol. 110, no. 387, NLP2010-125, pp. 1-6, 2011年1月. |
資料番号 |
NLP2010-125 |
発行日 |
2011-01-17 (NLP, 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 |
NLP2010-125 NC2010-89 |
研究会情報 |
研究会 |
NC NLP |
開催期間 |
2011-01-24 - 2011-01-26 |
開催地(和) |
北大 百年記念館 |
開催地(英) |
Hokakido Univ. |
テーマ(和) |
一般 および 雑音を有効利用する神経系やそのモデル |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
NLP |
会議コード |
2011-01-NC-NLP |
本文の言語 |
日本語 |
タイトル(和) |
パラメータ化オンライン準ニュートン法による階層型ニューラルネットワークの学習 |
サブタイトル(和) |
|
タイトル(英) |
Parameterized online quasi-Newton Training Algorithm for Feedforward Neural Networks |
サブタイトル(英) |
|
キーワード(1)(和/英) |
階層型ニューラルネットワーク / feedforward neural networks |
キーワード(2)(和/英) |
準ニュートン法 / quasi-Newton method |
キーワード(3)(和/英) |
オンライン勾配学習法 / online gradient training method |
キーワード(4)(和/英) |
バッチ勾配学習法 / batch gradient training method |
キーワード(5)(和/英) |
ランジュバンアルゴリズム / Langevin algorithm |
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) |
二宮 洋 / Hiroshi Ninomiya / ニノミヤ ヒロシ |
第1著者 所属(和/英) |
湘南工科大学 (略称: 湘南工科大)
Shonan Institute of Technology (略称: SIT) |
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 |
2011-01-24 09:30:00 |
発表時間 |
25分 |
申込先研究会 |
NLP |
資料番号 |
NLP2010-125, NC2010-89 |
巻番号(vol) |
vol.110 |
号番号(no) |
no.387(NLP), no.388(NC) |
ページ範囲 |
pp.1-6 |
ページ数 |
6 |
発行日 |
2011-01-17 (NLP, NC) |