| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス 技報オンライン ‥‥ (ESS/通ソ/エレソ/ISS) 技報アーカイブ ‥‥ (エレソ/通ソ) |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2014-09-02 15:45 オラクル分布を用いたサンプリング学習アルゴリズム ○園田 翔・村田 昇（早大）  PRMU2014-52 IBISML2014-33 |
|
| 抄録 | （和） | ニューラルネットの新規学習法を提案する．Murataによるニューラルネットの積分表現に基づき，中間層素子パラメータの確率分布（オラクル分布）を具体的に計算するアルゴリズムを構築する．オラクル分布に従ってサンプルを生成することで，バックプロパゲーションの有力な初期値を与えられる．一般に，オラクル分布からのサンプリングは数値的に不安定だが，近似的に線形時間でサンプリングする方法を開発した．人工データおよび実データに対するベンチマークでは，正規分布を用いて初期化する方法と比較して，高速にバックプロパゲーションが収束することを示した． |
| （英） | A new sampling learning algorithm for neural networks is proposed. Based on the integral representation of neural networks, a practical algorithm for calculating an oracle probability distribution of hidden parameters is developed. The samples drawn from the oracle distribution would be good initial parameters for backpropagation. In general rigorous sampling from the oracle distribution holds numerical difficulty, a linear-time sampling algorithm is also developed. Numerical experiments showed that when hidden parameters were initialized by the oracle distribution, following backpropagation converged faster to better parameters than when parameters were initialized by a normal distribution. | |
| キーワード | （和） | ニューラルネット / 積分表現 / サンプリング学習 / バックプロパゲーション / 初期化 / / / |
| （英） | neural networks / integral representation / sampling learning / backpropagation / initialization / / / | |
| 文献情報 | 信学技報, vol. 114, no. 198, IBISML2014-33, pp. 137-142, 2014年9月. | |
| 資料番号 | IBISML2014-33 | |
| 発行日 | 2014-08-25 (PRMU, IBISML) | |
| 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 | PRMU2014-52 IBISML2014-33 |
|
| 研究会情報 | |
| 研究会 | PRMU IBISML IPSJ-CVIM |
| 開催期間 | 2014-09-01 - 2014-09-02 |
| 開催地（和） | 筑波大学 |
| 開催地（英） | |
| テーマ（和） | CV+PR+MLにおける情報統合，および，農業への応用 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2014-09-PRMU-IBISML-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | オラクル分布を用いたサンプリング学習アルゴリズム |
| サブタイトル（和） | |
| タイトル（英） | Sampling Learning Algorithm by Oracle Distribution |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ニューラルネット / neural networks |
| キーワード(2)（和/英） | 積分表現 / integral representation |
| キーワード(3)（和/英） | サンプリング学習 / sampling learning |
| キーワード(4)（和/英） | バックプロパゲーション / backpropagation |
| キーワード(5)（和/英） | 初期化 / initialization |
| 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） | 園田 翔 / Sho Sonoda / ソノダ ショウ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 村田 昇 / Noboru Murata / |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 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： ) |
| 講演者 | 1 |
| 発表日時 | 2014-09-02 15:45:00 |
| 発表時間 | 30 |
| 申込先研究会 | IBISML |
| 資料番号 | IEICE-PRMU2014-52,IEICE-IBISML2014-33 |
| 巻番号（vol） | IEICE-114 |
| 号番号（no） | no.197(PRMU), no.198(IBISML) |
| ページ範囲 | pp.137-142 |
| ページ数 | IEICE-6 |
| 発行日 | IEICE-PRMU-2014-08-25,IEICE-IBISML-2014-08-25 |
[研究会発表申込システムのトップページに戻る]