文献

J-GLOBAL ID：201802288070733875   整理番号：18A1613977

パラメータ設定のない調和探索アルゴリズムに基づく畳込みニューラルネットワークの最適ハイパーパラメータチューニング【JST・京大機械翻訳】

Optimal hyperparameter tuning of convolutional neural networks based on the parameter-setting-free harmony search algorithm

著者 (4件)： Lee Woo-Young (School of Electrical and Electronics Engineering, Chung-Ang University, Seoul, Republic of Korea) ,  Lee Woo-Young (Intellivix Co., Ltd, Seoul, Republic of Korea) ,  Park Seung-Min (School of Electrical and Electronics Engineering, Chung-Ang University, Seoul, Republic of Korea) ,  Sim Kwee-Bo (School of Electrical and Electronics Engineering, Chung-Ang University, Seoul, Republic of Korea)
資料名： Optik  (Optik)
巻： 172  ページ： 359-367  発行年： 2018年 
JST資料番号： D0251A  ISSN： 0030-4026  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ハイパーパラメータは畳込みニューラルネットワーク(CNN)の特徴抽出段階における層アーキテクチャを決定し,これは分類精度と学習時間に影響する。本論文では,CNNの特徴抽出段階におけるハイパーパラメータチューニングによりCNN性能を改善する方法を提案した。提案した方法において,ハイパーパラメータを,メタ発見的最適化法であるパラメータセットフリー調和探索(PSF-HS)アルゴリズムを用いて調整した。PSF-HSアルゴリズムでは,調整されるべきハイパーパラメータを調和として設定し,調和を生成した後に調和メモリを生成する。調和メモリはCNNの損失に基づいて更新される。LeNet-5とMNISTデータセットに対する参照によるCNNアーキテクチャを用いたシミュレーション,およびCifarNetとCIFAR-10データセットに対する参照によるCNNアーキテクチャを用いたシミュレーションを実行した。2つのシミュレーションにより,過去に提案されたCNNアーキテクチャにおけるハイパーパラメータを調整することにより,性能を改善することが可能である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *アルゴリズム ,  特徴抽出 ,  計算機アーキテクチャ ,  *同調 ,  最適化
準シソーラス用語： 学習時間 ,  分類精度 ,  *ハイパーパラメータ ,  *畳込みニューラルネットワーク ,  探索アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (3件)： CNN ,  ハイパーパラメータチューニング ,  PSF-HSアルゴリズム

分類 (1件)： 光通信方式・機器  (ND10000B)

タイトルに関連する用語 (4件)： パラメータ ,  調和 ,  探索アルゴリズム ,  畳込みニューラルネットワーク