文献

J-GLOBAL ID：201702278456552049   整理番号：17A0311936

制限されたBoltzmannマシンのためのMapReduceに基づく分散学習アルゴリズム【Powered by NICT】

MapReduce based distributed learning algorithm for Restricted Boltzmann Machine

著者 (5件)： Zhang Chun-Yang (College of Mathematics and Computer Science, Fuzhou University, China) ,  Zhang Chun-Yang (Department of Computer and Information Science, Faculty of Science and Technology, University of Macau, Macau) ,  Chen C.L. Philip (Department of Computer and Information Science, Faculty of Science and Technology, University of Macau, Macau) ,  Chen Dewang (College of Mathematics and Computer Science, Fuzhou University, China) ,  NG Kin Tek (Department of Computer and Information Science, Faculty of Science and Technology, University of Macau, Macau)
資料名： Neurocomputing  (Neurocomputing)
巻： 198  ページ： 4-11  発行年： 2016年07月19日 
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： 深層学習は最近ヒト脳に最も近い人工知能モデルと見なされている。画像,音響,およびテキストなどのデータの意味を理解するのに役立つ表現と抽象の学習複数レベルに関するものである。一つの深いモデルはしばしば超非線形および確率的問題をモデル化するための能力を持っていることを階層構造で構成されている。制限付きBoltzmannマシン(RBM)は,現在の深層ネットワークの主な構成ブロックである,深いアーキテクチャの大部分を構築した。MapReduceフレームワークとHadoop分散ファイルシステムに基づいて,本論文では,RBMモデルを訓練するための分散アルゴリズムを提案した。その実装と性能はビッグデータプラットフォームHadoop上で評価した。新しい学習アルゴリズムの主な寄与は,深い学習の開発を制限するスケーラビリティ問題を解決することである。ヒト脳の知能成長過程はビッグデータからの学習を必要とする。RBMのための分散学習機構は高度な知能を実現するためにはビッグデータから洗練された有益な特徴を抽出可能にした。提案した学習アルゴリズムの評価は,BASデータセットとMNIST手書き数字データセットに基づく画像修復および分類問題について行った。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： 人工知能 ,  画像復元 ,  分散アルゴリズム ,  *学習 ,  *学習アルゴリズム ,  モデリング ,  *Boltzmannマシン ,  階層構造 ,  ヒト
準シソーラス用語： *分散学習 ,  ビッグデータ ,  Hadoop ,  Hadoop分散ファイルシステム ,  深層学習 ,  *MapReduce , 【Automatic Indexing@JST】

著者キーワード (4件)： 深い学習 ,  制限されたBoltzmannマシン ,  ビッグデータ ,  MapReduce

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 制限 ,  Boltzmannマシン ,  MapReduce ,  分散学習 ,  アルゴリズム