| 講演名 | 2020-03-05 H∞学習の深層ニューラルネットワークへの拡張 菅原 康滉(岩手大), 西山 清(岩手大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年、深層ニューラルネットワークは注目すべき研究結果を達成している。本研究では、著者の1人が提案したH∞学習を深層ニューラルネットワークに拡張する方法を提案する。H∞学習は、ニューラルネットワークでの学習の困難に対処する学習方法であり、観測行列を含むニューラルネットワークの状態空間モデルに拡張H∞フィルタを適用することから得られる。本研究では、この観測行列の計算を変更す るだけで、H∞学習を深層ニューラルネットワークに拡張する。 また、その行列の各要素を再帰的に計算する方法も導出する。 さらに、その学習性能は、従来のバックプロパゲーション法と比較してシミュレーションによって評価される。 |
| 抄録(英) | In recent years, deep neural networks have achieved remarkable research results. In this study, we propose a method to extend the H∞-learning proposed by one of the authors to deep neural networks. The H∞-learning is a learning method that addresses the difficulties of learning in neural networks. The H∞-learning is derived from applying the extended H∞ filter to a state space model of neural network including an observation matrix. This study extends the H∞-learning to deep neural networks by only changing the calculation of this observation matrix. And we also derive a method to recursively calculate each element of the matrix. In addition, the learning performance is evaluated by simulation in comparison with the conventional backpropagation method. |
| キーワード(和) | ニューラルネットワーク / 学習法 / H∞学習 / バックプロパゲーション |
| キーワード(英) | neural network / learning algorithm / H∞-learning / backpropagation |
| 資料番号 | NC2019-92 |
| 発行日 | 2020-02-26 (NC) |
| 研究会情報 | |
| 研究会 | NC / MBE |
|---|---|
| 開催期間 | 2020/3/4(から3日開催) |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | University of Electro Communications |
| テーマ（和） | NC, ME, 一般 |
| テーマ（英） | Neuro Computing, Medical Engineering, etc. |
| 委員長氏名（和） | 庄野 逸(電通大) / 野村 泰伸(阪大) |
| 委員長氏名（英） | Hayaru Shouno(UEC) / Taishin Nomura(Osaka Univ.) |
| 副委員長氏名（和） | 鮫島 和行(玉川大) / 渡邊 高志(東北大) |
| 副委員長氏名（英） | Kazuyuki Samejima(Tamagawa Univ) / Takashi Watanabe(Tohoku Univ.) |
| 幹事氏名（和） | 吉本 潤一郎(奈良先端大) / 安部川 直稔(NTT) / 伊良皆 啓治(九大) |
| 幹事氏名（英） | Junichiro Yoshimoto(NAIST) / Naotoshi Abekawa(NTT) / Keiji Iramina(Kyushu Univ.) |
| 幹事補佐氏名（和） | 篠崎 隆志(NICT) / 瀧山 健(東京農工大) / 鈴木 康之(阪大) / 辛島 彰洋(東北工大) |
| 幹事補佐氏名（英） | Takashi Shinozaki(NICT) / Ken Takiyama(TUAT) / Yasuyuki Suzuki(Osaka Univ.) / Akihiro Karashima(Tohoku Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on ME and Bio Cybernetics |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | H∞学習の深層ニューラルネットワークへの拡張 |
| サブタイトル（和） | |
| タイトル（英） | An extension of the H_infinity learning to deep neural networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ニューラルネットワーク / neural network |
| キーワード(2)（和/英） | 学習法 / learning algorithm |
| キーワード(3)（和/英） | H∞学習 / H∞-learning |
| キーワード(4)（和/英） | バックプロパゲーション / backpropagation |
| 第 1 著者 氏名（和/英） | 菅原 康滉 / Yasuhiro Sugawara |
| 第 1 著者 所属（和/英） | 岩手大学(略称：岩手大) Iwate University(略称：Iwate University) |
| 第 2 著者 氏名（和/英） | 西山 清 / Kiyoshi Nishiyama |
| 第 2 著者 所属（和/英） | 岩手大学(略称：岩手大) Iwate University(略称：Iwate University) |
| 発表年月日 | 2020-03-05 |
| 資料番号 | NC2019-92 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | NC-453 |
| ページ範囲 | pp.95-100(NC), |
| ページ数 | 6 |
| 発行日 | 2020-02-26 (NC) |