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。
近年,深層学習は,画像認識,音声認識,あるいは自然言語処理などの分野で大きな性能改善を果たし,いわゆるAIブームの火付け役となった.しかしながら,その動作原理に関する研究は進んでいるとは言い難く,ブラックボックスのまま経験と勘による手探りの設計が行われているのが現状である.このような状況を鑑み,本研究では深層学習の動作原理の理論的な解明を目指して,情報統計力学による学習機構の理論定式化を試みた.具体的には温度パラメータを持つソフトマックスを出力関数とするパーセプトロンに対してレプリカ法を適用し,蒸留モデルに関する記憶容量の性能限界値を導出した.高温領域ではランダムな挙動を示し,低温領域では通常のパーセプトロンと同様の挙動を示すことが分かった.さらに,中間領域では,シミュレーションによって記憶容量が急激に変化するパラメータ領域が存在することが分かった.(著者抄録)