| 講演名 | 2017-01-27 同時摂動学習則を用いた多層ニューラルネットワークの研究 尾上 研二(関西大), 伊藤 秀隆(関西大), 肥川 宏臣(関西大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本論文では，同時摂動学習則を用いたニューラルネットワークの研究について述べる．同時摂動学習則は勾配降下法であり，更新量は確率的に求まる．またこの学習は，摂動を加えたときと加えないときのニューラルネットワークの順方向計算から更新量を求めることができる．このため，よく用いられる誤差逆伝搬法と比較した場合，逆伝搬計算を行う必要がないため，非常に簡単なシステムで学習を実現できる特徴がある．また，同時摂動学習則は重みの更新量が各層で近い大きさをとるため，勾配消失問題に対して効果があると考えられる．しかし，同時摂動学習則の問題として，確率的に更新量を求めるため1回あたりの更新が誤差逆伝搬法に対して精度が低いという点がある．これに対して，我々は異なる複数の摂動に対する更新量の平均値を求めることで改善を行う．そして，これらの特徴を活かし，勾配消失問題に強い同時摂動学習則を用いた多層ニューラルネットワークの実現を行った． |
| 抄録(英) | This paper describes a study on multilayered neural network with simultaneous perturbation learning rule. The learning rule used here is kind of a gradient descent method, and it's modifying quantities are stochastically obtained. The learning rule requires only forward operations of the neural network. In comparison with back propagation algorithm, simultaneous perturbation learning rule does not need backward operation. Therefore, a very simple system can implement the training. Also, simultaneous perturbation learning rule is expected to solve gradient vanishing problem because size of modifying quantities in each layer are similar. However simultaneous learning rule has the problem that modifying quantity is bigger than the expected value. To solve that problem, we used the average of some modifying quantities calculated with different perturbations. We implemented the simultaneous perturbation learning rule that is robust to the gradient vanishing problem. |
| キーワード(和) | 多層ニューラルネットワーク / 同時摂動学習則 / 勾配消失問題 / MNIST |
| キーワード(英) | multilayered neuralnetwork / simultaneous perturbation learning rule / gradient vanishing problem / MNIST |
| 資料番号 | NC2016-58 |
| 発行日 | 2017-01-19 (NC) |
| 研究会情報 | |
| 研究会 | NC / NLP |
|---|---|
| 開催期間 | 2017/1/26(から2日開催) |
| 開催地（和） | 北九州学術研究都市 産学連携センター |
| 開催地（英） | Kitakyushu Foundation for the Advanement of Ind. Sci. and Tech. |
| テーマ（和） | ニューロコンピューティングの実装および人間科学のための解析・モデル化，一般 |
| テーマ（英） | Implementation of Neuro Computing,Analysis and Modeling of Human Science, etc |
| 委員長氏名（和） | 佐藤 茂雄(東北大) / 藤坂 尚登(広島市大) |
| 委員長氏名（英） | Shigeo Sato(Tohoku Univ.) / Hisato Fujisaka(Hiroshima City Univ.) |
| 副委員長氏名（和） | 萩原 将文(慶大) / 安達 雅春(東京電機大) |
| 副委員長氏名（英） | Masafumi Hagiwara(Keio Univ.) / Masaharu Adachi(Tokyo Denki Univ.) |
| 幹事氏名（和） | 田中 宏喜(京都産大) / 青西 亨(東工大) / 和田 昌浩(甲南大) / 坪根 正(長岡技科大) |
| 幹事氏名（英） | Hiroki Tanaka(Kyoto Sangyo Univ.) / Toru Aonishi(Tokyo Inst. of Tech.) / Masahiro Wada(Konan Univ.) / Tadashi Tsubone(Nagaoka Univ. of Tech.) |
| 幹事補佐氏名（和） | 秋間 学尚(東北大) / 篠沢 佳久(慶大) / 麻原 寛之(岡山理科大) / 橘 俊宏(湘南工科大) |
| 幹事補佐氏名（英） | Hisanao Akima(Tohoku Univ.) / Yoshihisa Shinozawa(Keio Univ.) / Hiroyuki Asahara(Okayama Univ. of Science) / Toshihiro Tachibana(Shonan Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Nonlinear Problems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 同時摂動学習則を用いた多層ニューラルネットワークの研究 |
| サブタイトル（和） | |
| タイトル（英） | A study on multilayered neural network with simultaneous perturbation learning rule |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 多層ニューラルネットワーク / multilayered neuralnetwork |
| キーワード(2)（和/英） | 同時摂動学習則 / simultaneous perturbation learning rule |
| キーワード(3)（和/英） | 勾配消失問題 / gradient vanishing problem |
| キーワード(4)（和/英） | MNIST / MNIST |
| 第 1 著者 氏名（和/英） | 尾上 研二 / Kenji Onoue |
| 第 1 著者 所属（和/英） | 関西大学(略称：関西大) Kansai University(略称：Kansai Univ) |
| 第 2 著者 氏名（和/英） | 伊藤 秀隆 / Hidetaka Ito |
| 第 2 著者 所属（和/英） | 関西大学(略称：関西大) Kansai University(略称：Kansai Univ) |
| 第 3 著者 氏名（和/英） | 肥川 宏臣 / Hiroomi Hikawa |
| 第 3 著者 所属（和/英） | 関西大学(略称：関西大) Kansai University(略称：Kansai Univ) |
| 発表年月日 | 2017-01-27 |
| 資料番号 | NC2016-58 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | NC-424 |
| ページ範囲 | pp.59-64(NC), |
| ページ数 | 6 |
| 発行日 | 2017-01-19 (NC) |