お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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
[ログイン]
技報アーカイブ
 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 2014-11-17 17:00
[ポスター講演]補助関数法に基づく制約付きボルツマンマシンの学習アルゴリズム
高宗典玄東大)・亀岡弘和東大/NTTIBISML2014-56
抄録 (和) 深層学習の重要な一要素として,レイヤーワイズのpre-training がある.レイヤーワイズのpre-training の一つとして制約つきBoltzmann マシン(RBM) が有名である.RBM にはBernoulli-Bernoulli 型とGaussian-Bernoulli型があり,従来法の学習アルゴリズムとしてContrastive Divergence 法が有名である.本発表ではBernoulli-Bernoulli型,Gaussian-Bernoulli 型の両方の最尤学習アルゴリズムと,最適化規準として新たに最大再構築確率を導入し,その学習アルゴリズムに焦点を当て,経験的に高速で安定に収束する補助関数法による新たな更新アルゴリズムの導出を行う.そして,人工データによる収束性能の比較実験を行い,その挙動に対して議論する. 
(英) Layerwise pre-training is one of important elements for deep learning, and Restricted Boltzmann Machines (RBMs) is popular layerwise pre-training method. At present, the most popular training algorithm for RBMs is the Contrastive Divergence (CD) learning algorithm. We propose deriving a new training algorithm based on an auxiliary function approach for RBMs using the likelihood and the reconstruction probability of observations as the optimization criterion. Through an experiment on parameter training of few RBMs, we con rmed that the present algorithm outperformed the CD algorithm in terms of the convergence speed and the reconstruction error when used as an autoencoder.
キーワード (和) 深層学習 / 制約付きBoltzmann マシン / 補助関数法 / 最大再構築確率学習 / / / /  
(英) Deep Learning / Restricted Boltzmann Machine / Auxiliary Function Approach / Maximum Recosntruc- tion Probability Training / / / /  
文献情報 信学技報, vol. 114, no. 306, IBISML2014-56, pp. 161-168, 2014年11月.
資料番号 IBISML2014-56 
発行日 2014-11-10 (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 IBISML2014-56

研究会情報
研究会 IBISML  
開催期間 2014-11-17 - 2014-11-19 
開催地(和) 名古屋大学 
開催地(英) Nagoya Univ. 
テーマ(和) 情報論的学習理論ワークショップ(IBIS2014) 
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 2014-11-IBISML 
本文の言語 日本語 
タイトル(和) 補助関数法に基づく制約付きボルツマンマシンの学習アルゴリズム 
サブタイトル(和)  
タイトル(英) Training Algorithm for Restricted Boltzmann Machines Using Auxiliary Function Approach 
サブタイトル(英)  
キーワード(1)(和/英) 深層学習 / Deep Learning  
キーワード(2)(和/英) 制約付きBoltzmann マシン / Restricted Boltzmann Machine  
キーワード(3)(和/英) 補助関数法 / Auxiliary Function Approach  
キーワード(4)(和/英) 最大再構築確率学習 / Maximum Recosntruc- tion Probability Training  
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) 高宗 典玄 / Norihiro Takamune / タカムネ ノリヒロ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. of Tokyo)
第2著者 氏名(和/英/ヨミ) 亀岡 弘和 / Hirokazu Kameoka / カメオカ ヒロカズ
第2著者 所属(和/英) 東京大学/日本電信電話株式会社 (略称: 東大/NTT)
The University of Tokyo/Nippon Telegraph and Telephone Corporation (略称: Univ. of Tokyo/NTT)
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 2014-11-17 17:00:00 
発表時間 180分 
申込先研究会 IBISML 
資料番号 IBISML2014-56 
巻番号(vol) vol.114 
号番号(no) no.306 
ページ範囲 pp.161-168 
ページ数
発行日 2014-11-10 (IBISML) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会