文献

J-GLOBAL ID：201702238851595271   整理番号：17A0869693

選択的不感化ニューラルネットの追加学習能力の解析

Analysis of Sequential Learning Capability of Selective Desensitization Neural Network

著者 (6件)： 市場知樹 (筑波大 大学院システム情報工学研究科) ,  丹野智博 (筑波大) ,  堀江和正 (筑波大 大学院) ,  井澤淳 (筑波大 大学院) ,  染野翔一 (筑波大 大学院システム情報工学研究科) ,  森田昌彦 (筑波大 大学院)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 109(NC2017 5-19)  ページ： 27-32  発行年： 2017年06月16日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 大域的な汎化が可能な従来のニューラルネットワーク(NN)で追加学習を行うと,学習済みの入出力関係が壊れるという問題がある。選択的不感化ニューラルネット(SDNN)はこの問題が発生しないことが応用研究より示唆されているがその理由は不明である。そこで本研究では,2変数関数近似の追加学習課題における数値実験により,SDNNと従来のNNの性質の違いを解析し,追加学習におけるSDNNの能力とその要因を解明する。結果,SDNNは従来のNNと異なり,追加学習時個々の学習サンプルの学習の影響は小さいが,学習サンプルを増やしていくと軸平行線上において学習の影響が大きく広がるという性質を持つことが分かった。そのためSDNNは大域への汎化が可能でありながら学習済みの入出力関係を壊さずに追加学習を行うこともできると考えられる。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  能力 ,  学習 ,  *関数近似 ,  比較試験 ,  学習能力
準シソーラス用語： パターンコーディング ,  選択的不感化ニューラルネットワーク ,  追加学習 ,  比較実験

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (12件)：

• M.McCloskey, N.Cohen,“Catastrophic interference in connectionistnetworks: The sequential learning problem,”Psychology of Learning and Motivation 1989, vol. 24, pp.109-165, Academic Press, NY, 1989, DOI:10.1016/S0079-7421 (08)60536-8
• AA.Rusu, et al.,“Policy distillation,” arXiv preprint arXiv(2015), 1511.06295.
• E.Parisotto, JL.Ba, R.Salakhutdinov,“Actor-mimic: Deep multitask and transfer reinforcement learning,” arXiv preprint arXiv(2015), 1511.06342.
• J.Kirkpatrick, et al.,“Overcoming catastrophic forgetting in neural networks,” Proceedings of the National Academy of Sciences (2017), DOI:10.1073/pnas.1611835114.
• 野中和明,田中文英,森田昌彦,“階層型ニューラルネットの2変数関数近似能力の比較,”信学論(D),vol.J-94-D,pp.2114-2125,Dec.2011.

タイトルに関連する用語 (3件)： ニューラルネット ,  学習能力 ,  解析