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。
敵対型生成ネットワーク(Generative Adversary Network,GAN)についての研究は昨今盛んに行われており,1024×1024画像生成など,より高精細な画像の生成が可能となってきているがこれに伴い学習にかかる計算コストが爆発的に増えている。本報告ではGANの持つ,DiscriminatorとGeneratorが交互に学習するという特性に着目し,従来の浮動小数点表記よりビットサイズを削減し,ダイナミックレンジをbiasをずらすことで調整する“Bias-Shift型浮動小数点表記”について検討した。また検討に基づきDCGANに対して提案データ表記フォーマットを用いた学習を行い,その結果についても報告した。(著者抄録)