文献

J-GLOBAL ID：201902245524888179   整理番号：19A0611151

学習係数調整による構造適応型リカレントRestricted Boltzmann Machineの分類精度の向上について

Improvement of Classification Accuracy for Adaptive Structure Learning Method of Recurrent Restricted Boltzmann Machine by Growing the Learning Rate

著者 (4件)： 鎌田真 (広島市大 大学院情報科学研究科) ,  鎌田真 (日本学術振興会) ,  市村匠 (県立広島大 経営情報) ,  丸山塁 (県立広島大 大学院総合学術研究科)
資料名： インテリジェント・システム・シンポジウム(CD-ROM)  (Symposium on Fuzzy, Artificial Intelligence, Neural Networks and Computational Intelligence (CD-ROM))
巻： 27th  ページ： ROMBUNNO.1A2-4  発行年： 2017年 
JST資料番号： L1193B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： Deep Belief Network(DBN)は,事前学習した複数のRestricted Boltzmann Machine(RBM)を階層的に積み重ねて学習を行う深層学習法である。RBMやDBNは,学習前にニューロン数,層数等のパラメタを決めなければならないが,我々は,入力データに応じて学習中にネットワーク構造を自動で定める構造適応型学習法を提案した。本論文では,構造適応型学習法により最適なネットワーク構造を求めた後,学習係数を微調整し,再学習することで,時系列データに対し予測精度の向上を評価した。(著者抄録)

シソーラス用語： *機械学習 ,  ネットワーク構造 ,  Boltzmannマシン ,  *ニューロン ,  パラメータ ,  時系列分析 ,  最適化 ,  モーションキャプチャ ,  人工知能
準シソーラス用語： *深層学習 ,  構造学習 ,  適応学習 ,  *階層型ニューラルネットワーク ,  ネットワークアルゴリズム ,  データセット ,  時系列データ ,  再学習 ,  分類精度 ,  学習速度 ,  リカレントニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学習 ,  係数 ,  リカレント ,  分類精度