文献

J-GLOBAL ID：201802276310740905   整理番号：18A0823132

ディープニューラルネットワークを訓練するための偏微分方程式【JST・京大機械翻訳】

Partial differential equations for training deep neural networks

著者 (5件)： Chaudhari Pratik (Computer Science, University of California, Los Angeles) ,  Oberman Adam (Department of Mathematics and Statistics, McGill University) ,  Osher Stanley (Department of Mathematics, University of California, Los Angeles) ,  Soatto Stefano (Computer Science, University of California, Los Angeles) ,  Carlier Guillaume (CEREMADE, Universite Paris IX Dauphine)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ACSSC  ページ： 1627-1631  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： 本論文は,非凸最適化と非線形偏微分方程式(PDEs)の間の接続を確立した。著者らは,粘性Hamilton-Jacobi(HJ)PDEの解として,深いニューラルネットワークを訓練するための統計物理学から動機付けられた経験的に成功した緩和技術を解釈した。基礎となる確率的制御解釈は,これらの技術が確率的勾配降下よりも優れていることを証明することを可能にした。著者らの解析はエネルギー景観の幾何学への洞察を提供し,現代のニューラルネットワークの高次元に効果的に取り組むことができる非粘性Hamilton-Jacobi PDEに基づく新しいアルゴリズムを示唆する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 幾何学 ,  *偏微分方程式 ,  粘性 ,  高次元 ,  アルゴリズム ,  緩和現象 ,  *ニューラルネットワーク
準シソーラス用語： 非凸最適化 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ディープニューラルネットワーク ,  訓練 ,  偏微分方程式