文献

J-GLOBAL ID：201502200856301794   整理番号：15A0687900

Majorizer最小化を使ったL1正規化 Boltzmann機械学習

L₁-Regularized Boltzmann Machine Learning Using Majorizer Minimization

著者 (1件)： OHZEKI Masayuki (Kyoto Univ., Kyoto, JPN)
資料名： Journal of the Physical Society of Japan  (Journal of the Physical Society of Japan)
巻： 84  号： 5  ページ： 054801.1-054801.8  発行年： 2015年05月15日 
JST資料番号： G0509A  ISSN： 0031-9015  CODEN： JUPSA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 希薄な相互作用とバイアスをBoltzmann機械学習により推定する推論法を提案した。この方法の基礎は,アンダーサンプル出力から希薄入力信号を再建するための方法でしばしば圧縮した検知において使われる,L1正規化である。L1正規化は,コスト関数のなめらかさの欠如のために正確な推定につながるコスト関数を最適化する勾配方法の単純な適用を妨げる。この研究で,コスト関数の非なめらかさを避けるため最適化問題で実行される有名な方法である,majorizer最小化法を利用した。majorizer最小化法を用いて,一見強く相関している成分の与えられたデータから基本的に関連したバイアスと相互作用を説明した。(翻訳著者抄録)

シソーラス用語： 最小化問題 ,  *機械学習 ,  *Boltzmannマシン ,  相互作用 ,  バイアス ,  推定 ,  圧縮 ,  最適化

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (23件)：

• D. H. Ackley, G. E. Hinton, and T. J. Sejnowski, Cognitive Sci. 9, 147 (1985).
• G. E. Hinton, S. Osindero, and Y.-W. Teh, Neurol Comput. 18, 1527 (2006).
• G. E. Hinton and R. R. Salakhutdinov, Science 313, 504 (2006).
• M. Pankaj and J. S. David, arXiv:1410.3831.
• M. Ohzeki, J. Phys. Soc. Jpn. 84, 034003 (2015).

タイトルに関連する用語 (5件)： 最小化 ,  L1 ,  正規化 ,  Boltzmann機械 ,  学習