文献

J-GLOBAL ID：201702250522365074   整理番号：17A0406516

フィードフォワードニューラルネットワークのための平滑化l_0正則化を用いたオンライン勾配法【Powered by NICT】

Online gradient method with smoothing l₀ regularization for feedforward neural networks

著者 (2件)： Zhang Huisheng (Department of Mathematics, Dalian Maritime University, Dalian 116026, China) ,  Tang Yanli (Department of Mathematics, Dalian Maritime University, Dalian 116026, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 224  ページ： 1-8  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： _正則化ニューラルネットワークのための一般的な枝刈り方法であった。パラメータpは文献中では通常は0<p≦2とし,l_0正則化を用いた実習アルゴリズムはl_0正則化問題のNP困難な性質のために不足しているが,l_0正則化は最もスパースな解を生成し,汎化能力の観点から望ましい最節約ネットワーク構造に対応する傾向があった。この目的のために,本論文では,フィードフォワードニューラルネットワークのためのl_0正則化(OGTSL0)の平滑化を用いたオンライン勾配学習アルゴリズムを考慮し,l_0正則化は一連の平滑化関数により近似される。OGTSL0のスパース性の基礎となる原理を提供し,アルゴリズムの収束も理論的に解析した。シミュレーション例は,理論解析を支持し,提案したアルゴリズムの優位性を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ネットワーク構造 ,  NP困難 ,  *平滑化 ,  学習アルゴリズム ,  *ニューラルネットワーク ,  *フィードフォワード ,  透視図法 ,  *正則化 ,  神経回路網 ,  汎化 ,  *傾斜法
準シソーラス用語： 理論解析 ,  スパース性 ,  *フィードフォワードニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： オンライン学習 ,  勾配訓練アルゴリズム ,  平滑化l_0正則化 ,  フィードフォワード神経回路網 ,  収束 ,  スパース性

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： フィードフォワードニューラルネットワーク ,  平滑化 ,  正則化 ,  オンライン ,  勾配法