| 講演名 | 2011-01-24 パラメータ化オンライン準ニュートン法による階層型ニューラルネットワークの学習(一般及び雑音を有効利用する神経系やそのモデル) 二宮 洋, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本研究では準ニュートン法に基づく階層型ニューラルネットワークの新たな学習法を提案する.従来,階層型ニューラルネットワークの学習法に対して準ニュートン法に基づく学習法としてバッチ勾配学習法及びオンライン勾配学習法が提案されてきた.近年,ロバストな収束特性を持つ改良型オンライン準ニュートン法が提案された.改良型オンライン準ニュートン法では,学習データの与え方を改良することで準ニュートン法の収束特性を大幅に向上させることができた.本研究では,学習データの与え方をパラメータ化した,オンライン準ニュートン法に基づく学習アルゴリズムを提案する.また,提案手法とランジュバンアルゴリズムとの類似性に関して考察する.さらに,シミュレーションにより提案アルゴリズムが改良型オンライン準ニュートン法と同様のロバストな収束特性を持つことを示す. |
| 抄録(英) | This paper describes a new gradient based technique for training of feedforward neural networks. Recently, improved online quasi-Newton method was developed for neural network training improving feeding method of training data. This paper proposes a novel training algorithm based on the online quasi-Newton in which the feeding method of training data is parameterized. Furthermore, an analogy between the proposed algorithm and Langevin one is considered. The proposed algorithm is employed for robust neural network training purpose. Neural network training for some benchmark problems is presented to demonstrate the proposed algorithm. The proposed algorithm achieves more accurate and robust training results than the other quasi-Newton based training algorithms. |
| キーワード(和) | 階層型ニューラルネットワーク / 準ニュートン法 / オンライン勾配学習法 / バッチ勾配学習法 / ランジュバンアルゴリズム |
| キーワード(英) | feedforward neural networks / quasi-Newton method / online gradient training method / batch gradient training method / Langevin algorithm |
| 資料番号 | NLP2010-125,NC2010-89 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NLP |
|---|---|
| 開催期間 | 2011/1/17(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Nonlinear Problems (NLP) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | パラメータ化オンライン準ニュートン法による階層型ニューラルネットワークの学習(一般及び雑音を有効利用する神経系やそのモデル) |
| サブタイトル（和） | |
| タイトル（英） | Parameterized online quasi-Newton Training Algorithm for Feedforward Neural Networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 階層型ニューラルネットワーク / feedforward neural networks |
| キーワード(2)（和/英） | 準ニュートン法 / quasi-Newton method |
| キーワード(3)（和/英） | オンライン勾配学習法 / online gradient training method |
| キーワード(4)（和/英） | バッチ勾配学習法 / batch gradient training method |
| キーワード(5)（和/英） | ランジュバンアルゴリズム / Langevin algorithm |
| 第 1 著者 氏名（和/英） | 二宮 洋 / Hiroshi NINOMIYA |
| 第 1 著者 所属（和/英） | 湘南工科大学工学部情報工学科 Department of Information Science, Faculty of Engineering, Shonan Institute of Technology |
| 発表年月日 | 2011-01-24 |
| 資料番号 | NLP2010-125,NC2010-89 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | 387 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |