インクリメンタル学習を用いた畳み込みニューラルネットワーク

Tomimori Haruka; Chen Kui-Ting; Baba Takaaki

文献

J-GLOBAL ID：201702250562619626 整理番号：17A1224452

インクリメンタル学習を用いた畳み込みニューラルネットワーク

A Convolutional Neural Network with Incremental Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1224452&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1224452&from=J-GLOBAL&jstjournalNo=U0425A") }}

著者 (3件)： , ,
資料名：
巻： 21 号： 4 ページ： 155-158(J-STAGE) 発行年： 2017年
JST資料番号： U0425A ISSN： 1880-1013 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)

今日,畳み込みニューラルネットワーク(CNN)は,画像および音声認識のための深い学習方法と考えられている。CNNは,その学習手順によって特徴を自動的に抽出することができるので,他のアプローチよりも高い認識精度を達成することができる。しかしながら,CNNのトレーニング手順は時間がかかる。CNNの機能は人間の脳の機能に近いため,複雑なアプリケーションにCNNを適用する場合は,大量のトレーニングデータをトレーニングしなければならず,結果としてCNNのサイズが大きくなる。このような巨大なニューラルネットワークをコンピュータでトレーニングするためには,膨大なトレーニング時間が必要である。本論文では,トレーニング手順の認識精度をわずかに犠牲にしながらトレーニング時間を大幅に短縮できる効率的なアプローチを提案した。(翻訳著者抄録)

, , , , , , , ,
, , ,

人工知能 , ニューロコンピュータ

引用文献 (7件)：

[1] K. Fukushima: Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position, Biological Cybernetics, Vol. 36, No. 4, pp. 193-202, 1980.
[2] K. Fukushima and S. Miyake: Neocognitron: A new algorithm for pattern recognition tolerant of deformations and shifts in position, Pattern Recognition, Vol. 15, No. 6, pp. 455-469, 1982.
[3] K. Fukushima: Neocognitron, A hierarchical neural network capable of visual pattern recognition, Neural Networks, Vol. 1, No. 2, pp. 119-130, 1988.
[4] Y. LeCun, L. Bottou, Y. Bengio and P. Haffner: Gradient-based learning applied to document recognition, Proc. IEEE, Vol. 86, No. 11, pp. 2278-2324, 1998.
[5] V. I. Arnold: Hierarchical neural networks for image interpretation, Lecture Notes in Computer Science, Vol. 2766, Springer, 2003.

前のページに戻る