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。
現在,主流となっているディープラーニングの問題点として過学習,ノイズに対する頑健性,学習に膨大なデータを必要とすること,過度な自信を持った予測が挙げられる.この問題を解決できる手法として注目されているのがニューラルネットワーク(NN;Neural Network)にベイズ的手法を取り入れたベイジアンニューラルネットワーク(BNN;Bayesian Neural Network)である.従来のNNでは実数値で表現されていた重みに対し,BNNでは重みに確率分布を仮定する.これにより,予測を分布として得ることが可能となり,予測がどれほど不確かであるのかを評価することができる.しかし,BNNはNNと比べ,計算量,パラメータが増大する.本研究では,BNNのHW実装に向け,逆関数法のLUT,線形関数による近似を用いたサンプリング手法を提案し,精度,予測分散を保ちつつ,重みのサンプリングに必要となる演算を削減した.(著者抄録)