講演抄録/キーワード |
講演名 |
2018-03-06 14:00
複素ニューラルネットワークにおけるデータの対称性を用いた自然勾配法 ○椋野純一・松井 一(豊田工大) IBISML2017-104 |
抄録 |
(和) |
実ニューラルネットワークにおいて,学習の停滞現象を解決するためにリーマン計量を用いた自然勾配法が甘利氏によって提案され,さらに自然勾配法には良い性質があることが知られている.我々は,自然勾配法を複素ニューラルネットワークへ一般化した手法を考察した.複素数は平面内の鏡映や回転を表現することに適している.この特性に注目し,データセットがそれぞれ共役不変や回転不変であった場合に,複素ニューラルネットワークの出力関数が共役不変性や回転不変性を持つことができることを示す.数値実験を通して,我々の手法の性能を調べる. |
(英) |
On the real valued neural networks, the natural gradient method is proposed by Amari to resolve the problem the speed of learning is slow by using Riemannian metric and moreover is known that there is good properties. We consider a method extending the natural gradient method to complex valued neural networks in this research. Complex numbers are suited for representing reflections and rotations in the plane. By focusing on its property, we show that the output function of the complex neural networks can have a property of conjugate invariance and rotation invariance when data set is conjugate invariant and rotation invariant, respectively. Through simulation experiences, we check the performance of our proposal. |
キーワード |
(和) |
複素ニューラルネットワーク / 自然勾配法 / データの対称性 / / / / / |
(英) |
complex valued neural network / natural gradient / symmetry of data / / / / / |
文献情報 |
信学技報, vol. 117, no. 475, IBISML2017-104, pp. 97-102, 2018年3月. |
資料番号 |
IBISML2017-104 |
発行日 |
2018-02-26 (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 |
IBISML2017-104 |
研究会情報 |
研究会 |
IBISML |
開催期間 |
2018-03-05 - 2018-03-06 |
開催地(和) |
九州大学 西新プラザ |
開催地(英) |
Nishijin Plaza, Kyushu University |
テーマ(和) |
統計数理・機械学習・データマイニング・一般 |
テーマ(英) |
Statisitical Mathematics, Machine Learning, Data Mining, etc. |
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2018-03-IBISML |
本文の言語 |
日本語 |
タイトル(和) |
複素ニューラルネットワークにおけるデータの対称性を用いた自然勾配法 |
サブタイトル(和) |
|
タイトル(英) |
Natural gradient method by the symmetry in data for complex valued neural networks |
サブタイトル(英) |
|
キーワード(1)(和/英) |
複素ニューラルネットワーク / complex valued neural network |
キーワード(2)(和/英) |
自然勾配法 / natural gradient |
キーワード(3)(和/英) |
データの対称性 / symmetry of data |
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) |
椋野 純一 / Junichi Mukuno / ムクノ ジュンイチ |
第1著者 所属(和/英) |
豊田工業大学 (略称: 豊田工大)
Toyota Technological Institute (略称: Toyota Technological Inst.) |
第2著者 氏名(和/英/ヨミ) |
松井 一 / Hajime Matsui / マツイ ハジメ |
第2著者 所属(和/英) |
豊田工業大学 (略称: 豊田工大)
Toyota Technological Institute (略称: Toyota Technological Inst.) |
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 |
2018-03-06 14:00:00 |
発表時間 |
25分 |
申込先研究会 |
IBISML |
資料番号 |
IBISML2017-104 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.475 |
ページ範囲 |
pp.97-102 |
ページ数 |
6 |
発行日 |
2018-02-26 (IBISML) |