抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深層学習の最適化手法において確率的勾配降下法(Stochastic Gradient Descent,SGD)が頻繁に使われているが,反復回数が少ない自然勾配法(Natural Gradient Descent,NGD)が最近注目されている。しかし,自然勾配法は計算時間が多く実用的ではない。そのため,計算時間を短くさせた様々な近似手法が開発されている。その中でも画像認識において畳み込み層含め実装されたK-FACに着目した。K-FACは確率的勾配降下法と比べて十分な研究がされていない。特に学習パラメータに関しては,どのように数値を設定すれば実行時間が少なくかつ精度の高い学習ができるかというのは明確には示されていない。本実験では学習パラメータの数値の変更に伴う精度の推移を調査し,初期値と比べてより高い精度を出すことに成功した。(著者抄録)