講演名 | 2017-03-06 積分表現とKernel HerdingによるNeural Networkの学習 松原 拓央(早大), 園田 翔(早大), 村田 昇(早大), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | Neural Networkによる関数近似問題において, 近似誤差がパラメータ数$ n $に対して$ mathcal{O}(frac{1}{n}) $で収束する学習アルゴリズムを提案する. まず, Neural Networkの積分表現を再生核理論の観点で再定式化し, 再生核積分表現を導入する. そして, 再生核積分表現にkernel herdingを適用することで, Neural Networkの学習法を提案する. Kernel herding と組み合わせることで, これまで得られていた収束レート $ mathcal{O}(frac{1}{sqrt{n}}) $よりも速い収束レート $ mathcal{O}(frac{1}{n}) $が達成される. |
抄録(英) | A new learning algorithm for neural networks that converges at $mathcal{O}(frac{1}{n})$ with respect to model complexity $n$ is proposed. First, we derive an RKHS (reproducing kernel Hilbert space) version of the integral representation of neural networks. Then, combined with kernel herding, we propose a new learning algorithm for neural networks. Numerical experiments supported the theoretical analysis that our method converges at $mathcal{O}(frac{1}{n})$, which is faster than known rate, $mathcal{O}(frac{1}{sqrt{n}})$. |
キーワード(和) | Neural Network / 積分表現 / 再生核ヒルベルト空間 / Kernel Herding / 収束レート |
キーワード(英) | Neural Network / Integral Representation / RKHS / Kernel Herding / Convergence rate |
資料番号 | IBISML2016-103 |
発行日 | 2017-02-27 (IBISML) |
研究会情報 | |
研究会 | IBISML |
---|---|
開催期間 | 2017/3/6(から2日開催) |
開催地(和) | 東京工業大学 |
開催地(英) | Tokyo Institute of Technology |
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) | Statistical Mathematics, Machine Learning, Data Mining, etc. |
委員長氏名(和) | 福水 健次(統計数理研) |
委員長氏名(英) | Kenji Fukumizu(ISM) |
副委員長氏名(和) | 杉山 将(東大) / 鹿島 久嗣(京大) |
副委員長氏名(英) | Masashi Sugiyama(Univ. of Tokyo) / Hisashi Kashima(Kyoto Univ.) |
幹事氏名(和) | 津田 宏治(東大) / 竹内 一郎(名工大) |
幹事氏名(英) | Koji Tsuda(Univ. of Tokyo) / Ichiro Takeuchi(Nagoya Inst. of Tech.) |
幹事補佐氏名(和) | 神嶌 敏弘(産総研) / 岩田 具治(NTT) |
幹事補佐氏名(英) | Toshihiro Kamishima(AIST) / Tomoharu Iwata(NTT) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Infomation-Based Induction Sciences and Machine Learning |
---|---|
本文の言語 | JPN |
タイトル(和) | 積分表現とKernel HerdingによるNeural Networkの学習 |
サブタイトル(和) | |
タイトル(英) | New Lerning Algorythm of Neural Network using Integral Representation and Kernel Herding |
サブタイトル(和) | |
キーワード(1)(和/英) | Neural Network / Neural Network |
キーワード(2)(和/英) | 積分表現 / Integral Representation |
キーワード(3)(和/英) | 再生核ヒルベルト空間 / RKHS |
キーワード(4)(和/英) | Kernel Herding / Kernel Herding |
キーワード(5)(和/英) | 収束レート / Convergence rate |
第 1 著者 氏名(和/英) | 松原 拓央 / Takuo Matsubara |
第 1 著者 所属(和/英) | 早稲田大学(略称:早大) Waseda University(略称:Waseda Univ.) |
第 2 著者 氏名(和/英) | 園田 翔 / Sho Sonoda |
第 2 著者 所属(和/英) | 早稲田大学(略称:早大) Waseda University(略称:Waseda Univ.) |
第 3 著者 氏名(和/英) | 村田 昇 / Noboru Murata |
第 3 著者 所属(和/英) | 早稲田大学(略称:早大) Waseda University(略称:Waseda Univ.) |
発表年月日 | 2017-03-06 |
資料番号 | IBISML2016-103 |
巻番号(vol) | vol.116 |
号番号(no) | IBISML-500 |
ページ範囲 | pp.25-31(IBISML), |
ページ数 | 7 |
発行日 | 2017-02-27 (IBISML) |