| 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 | 2016-11-16 15:00 ［ポスター講演］階層化クラスタリングを用いた深層アンサンブル学習の最適化法 ○香田夏輝・渡邊澄夫（東工大）  IBISML2016-70 |
|
| 抄録 | （和） | 同じデータを用いて得られた異なる学習器の重ね合わせにより汎化誤差を小さくする予測を行う方法はアンサンブル学習と呼ばれている．深層学習においてはパラメータの初期値によって学習の結果が異なるが，このことを利用してアンサンブル学習を行う場合には，非常に多くの局所最適パラメータを用いた推論を重ね合わせる必要があった．本研究では，局所最適パラメータの集合に階層化クラスタリングを適用することで実質的に異なるパラメータを選び出すことにより，少ない個数の推論の重ね合わせで高精度なアンサンブル学習を実現する方法を提案し，その有効性を人工データを用いて明らかにする． |
| （英） | The method which is used for prediction by combining many different learning machines generated by using same training data is referred to as ensemble learning. In ensemble learning using different results derived from different initial values, it has been needed to combine many locally optimal parameters. In this paper, we propose a method which realizes accurate ensemble learning using few learning machines by applying hierarchical clustering to the set of locally optimal parameters and choosing many objective parameters, and show it's effectiveness through artificial data experiment. | |
| キーワード | （和） | アンサンブル学習 / 階層化クラスタリング / 汎化誤差 / / / / / |
| （英） | Ensemble learning / Hierarchical clustering / Generalization error / / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 300, IBISML2016-70, pp. 171-176, 2016年11月. | |
| 資料番号 | IBISML2016-70 | |
| 発行日 | 2016-11-09 (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 | IBISML2016-70 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2016-11-16 - 2016-11-18 |
| 開催地（和） | 京都大学 |
| 開催地（英） | Kyoto Univ. |
| テーマ（和） | 情報論的学習理論ワークショップ(IBIS2016) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2016) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2016-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 階層化クラスタリングを用いた深層アンサンブル学習の最適化法 |
| サブタイトル（和） | |
| タイトル（英） | Optimization Method of Deep Ensemble Learning using Hierarchical Clustering |
| サブタイトル（英） | |
| キーワード(1)（和/英） | アンサンブル学習 / Ensemble learning |
| キーワード(2)（和/英） | 階層化クラスタリング / Hierarchical clustering |
| キーワード(3)（和/英） | 汎化誤差 / Generalization error |
| キーワード(4)（和/英） | / |
| 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） | 香田 夏輝 / Natsuki Koda / コウダ ナツキ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | 渡邊 澄夫 / Sumio Watanabe / ワタナベ スミオ |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 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 | 第1著者 |
| 発表日時 | 2016-11-16 15:00:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2016-70 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.300 |
| ページ範囲 | pp.171-176 |
| ページ数 | 6 |
| 発行日 | 2016-11-09 (IBISML) |
[研究会発表申込システムのトップページに戻る]