文献

J-GLOBAL ID：201702264276943740   整理番号：17A1652860

エンタングルメント・エントロピーに基づく畳み込みニューラルネットワーク

Entanglement Entropic Convolutional Neural Network

著者 (2件)： 江口脩 (福岡大 大学院理学研究科) ,  田中勝 (福岡大 大学院理学研究科)
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： 238(PRMU2017 63-100)  ページ： 61-66  発行年： 2017年10月05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： 現在,機械学習に用いられるニューラルネットワークは,過学習が起きないように,膨大なデータから分類に必要な情報を抽出する。しかし,分類に必要な情報を抽出する際に,分類に不必要な情報も抽出している。そこで,本稿では,分類に不必要な情報を削減しながら重要な情報を維持するアルゴリズムを構築することが可能かどうかを判断するために行った実験結果について報告する。本稿で検討するモデルはエンタングルメント・エントロピーに基づく畳み込みニューラルネットワーク(EECNN:Entanglement Entropic Convolutional Neural Network)でありこれは,機械学習分野への物理学的アプローチを用いる。まず,層への入力または層からの出力から得られた確率振幅を用いて,エンタングルメント・エントロピーを計算する。エンタングルメント・エントロピーは,確率振幅がランダムノイズでない場合,特異値分解後のいくつかの特異値を用いて再構成することで元の画像を十分に近似することができる。エントロピーの結果に基づいて特異値から元の確率振幅を復元することにより,情報を削減しながら重要な情報を維持する。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *エントロピー ,  *機械学習 ,  学習 ,  振幅 ,  量子論 ,  特異値分解 ,  *画像認識
準シソーラス用語： *畳み込みニューラルネットワーク ,  *エンタングルメント・エントロピー ,  過学習 ,  確率振幅 ,  量子力学

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

引用文献 (15件)：

• 岡谷貴之:ディープラーニングと画像認識:基礎と最近の動向(〈特集〉ニューロサイエンスと数理モデリング),オペレーションズ・リサーチ:経営の科学60(4),198-204,2015-04-01.
• D.Hebb : The Organization of Behavior, Wiley, 1949.
• F. Rosenblatt : The Perceptron: A Probabilistic Model for Information Storage and Organization in The Brain, Psy-chological Review, 65(6):386-408, 1958.
• Warren S. McCullochWalter Pitts : A logical calculus of the ideas immanent in nervous activity, Bulletin of Mathemat-ical Biophysics, 5(4):115-133, 1943.
• D. Ciresan, U. Meier, J. Masci, L. M. Gambardella, J. Schmidhuber - Flexible, High Performance Convolutional Neural Networks for Image Classification,IJCAI 2011.

タイトルに関連する用語 (3件)： エンタングルメント ,  エントロピー ,  畳み込みニューラルネットワーク