文献

J-GLOBAL ID：201802229955917501   整理番号：18A0243755

ミニバッチ勾配降下データスパース性下でのより高速な収束【Powered by NICT】

Mini-batch gradient descent: Faster convergence under data sparsity

著者 (3件)： Khirirat Sarit (Department of Automatic Control, School of Electrical Engineering and ACCESS Linnaeus Center, Royal Institute of Technology (KTH), Stockholm, Sweden) ,  Feyzmahdavian Hamid Reza (ABB Corporate Research Center, Vaestera&s, Sweden) ,  Johansson Mikael (Department of Automatic Control, School of Electrical Engineering and ACCESS Linnaeus Center, Royal Institute of Technology (KTH), Stockholm, Sweden)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CDC  ページ： 2880-2887  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模機械学習タスクに対する確率的勾配降下の実用性能は現在の理論的ツールは保証できるものよりはるかに良好なことが多い。これは,解析を強化するために利用できることをこれらの問題における固有構造であることを示した。本論文では,データスパース性はこのような性質であることを論じた。データスパース性は許容可能なステップサイズの範囲とミニバッチ勾配降下の収束因子にどのように影響するかの陽的表現を導いた。著者らの理論的結果を合成と現実の両データセットを用いた最小二乗サポートベクトルマシン問題を解くことにより検証した。実験結果は,伝統的なミニバッチ勾配降下アルゴリズムと比較して,提案更新ルールの改善された性能を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  機械学習 ,  *高速度
準シソーラス用語： 最小二乗-サポートベクトルマシン ,  ステップサイズ ,  *スパース性 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (5件)： バッチ ,  勾配 ,  降下 ,  スパース性 ,  収束