文献

J-GLOBAL ID：201902247318390871   整理番号：19A1782418

困難性強調学習:ニューラルネットワーク訓練のための困難な例に基づく新しいカリキュラム様アプローチ【JST・京大機械翻訳】

Difficulty-weighted learning: A novel curriculum-like approach based on difficult examples for neural network training

著者 (1件)： Takase Tomoumi (Artificial Intelligence Research Center, National Institute of Advanced Industrial Science and Technology, 2-4-7 Aomi, Koto-ku, Tokyo, Japan)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 135  ページ： 83-89  発行年： 2019年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 訓練例が次第に容易から困難になるカリキュラム学習を様々なタスクに適用し,他の機械学習アプローチよりも優れた性能を実証した。しかしながら,事前に困難なレベルを同定することは,しばしばドメイン知識を必要とし,時間がかかるプロセスである。訓練中のニューラルネットワークからの出力に基づく例の困難性を動的に決定し,困難な例で訓練を促進するための損失関数を提案した。実験結果は,提案した方法がいくつかのデータセットを通して一般化能力を改善することを検証した。Copyright 2019 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： ドメイン知識 ,  機械学習 ,  *学習 ,  *ニューラルネットワーク ,  損失関数 ,  *カリキュラム

著者キーワード (6件)： ニューラルネットワーク ,  カリキュラム学習 ,  教師付き学習 ,  深層学習 ,  多層パーセプトロン ,  分類

分類 (2件)： 医用情報処理  (JE15030Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 困難性 ,  学習 ,  ニューラルネットワーク ,  訓練 ,  カリキュラム