文献

J-GLOBAL ID：201802289049529804   整理番号：18A0708649

ニューラルネットワークの大域的最適化【JST・京大機械翻訳】

Global optimization of neural network

著者 (3件)： Lee Chae Young (Department of Natural Science, Hankuk Academy of Foreign Studies, 50, Oedae-ro 54beon-gil, Mohyeon-myeon, Cheoin-gu, Yongin-si, Gyeonggi-do, Republic of Korea) ,  Lim Yeon Jun (Department of Natural Science, Hankuk Academy of Foreign Studies, 50, Oedae-ro 54beon-gil, Mohyeon-myeon, Cheoin-gu, Yongin-si, Gyeonggi-do, Republic of Korea) ,  Yoon Taeseon (Department of Computer Science and Engineering, Korea University, Seoul, Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICACT  ページ： 25-28  発行年： 2018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： コスト関数の局所最適化問題は,従来の数学だけでなく,出現するニューラルネットワーク(NN)の進歩をブロックした。NNの勾配降下に用いられるコスト関数の大部分は非凸であるので,アルゴリズムが局所最適に収束する可能性が高い。この問題から生じるかなりの誤差を除去するために,深い学習を導入した。しかし,標準計算環境は,深い学習が必要とする計算を可能にすることができない。本論文で新たに導入された偽アルファアルゴリズムは,深い学習アルゴリズムと同じ目標を共有するが,標準計算機でうまく動作することができる。さらに,勾配降下過程における偽アルファアルゴリズムが取る発見的アプローチはNNの効率を強化する。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： 凸形 ,  発見的方法 ,  費用関数 ,  アルゴリズム ,  学習アルゴリズム ,  計算機械 ,  *ニューラルネットワーク
準シソーラス用語： ローカル最適化 ,  *大域的最適化 , 【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 (2件)： ニューラルネットワーク ,  大域的最適化