文献

J-GLOBAL ID：202002221685046216   整理番号：20A0598963

デカルト遺伝的プログラミングを用いた深部畳込みニューラルネットワークの進化【JST・京大機械翻訳】

Evolution of Deep Convolutional Neural Networks Using Cartesian Genetic Programming

著者 (4件)： Suganuma Masanori (RIKEN Center for AIP, Tokyo, Japan Tohoku University, Miyagi, Japan) ,  Kobayashi Masayuki (Yokohama National University, Kanagawa, Japan) ,  Shirakawa Shinichi (Yokohama National University, Kanagawa, Japan) ,  Nagao Tomoharu (Yokohama National University, Kanagawa, Japan)
資料名： Evolutionary Computation  (Evolutionary Computation)
巻： 28  号： 1  ページ： 141-163  発行年： 2020年 
JST資料番号： W0726A  ISSN： 1063-6560  資料種別： 逐次刊行物 (A)
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： 深い学習モデルの一つである畳込みニューラルネットワーク(CNN)は,様々なコンピュータビジョンタスクにおいて優れた性能を示している。しかし,ネットワークアーキテクチャがより深くより複雑になるにつれて,CNNアーキテクチャの設計はより多くの専門知識と試行錯誤を必要とする。本論文では,与えられたタスクに対する高性能CNNアーキテクチャを自動的に構築することを試みた。著者らの方法は,CGPにおけるノード関数として,畳込みブロックおよびテンソル連結のような高機能モジュールを採用して,CNNアーキテクチャを符号化するために,デカルト遺伝的プログラミング(CGP)を用いた。CGPによって代表されるCNN構造と連結性を進化アルゴリズムを用いて精度を最大化するために最適化した。また,アーキテクチャ探索を加速するための簡単な技術,すなわち,豊富な初期化と初期ネットワーク訓練停止を導入した。CIFAR-10とCIFAR-100データセットに関する著者らの方法を評価し,最先端のモデルによる競争性能を達成した。注目すべきことに,著者らの方法は,かなり多くの計算時間と機械資源を必要とする他の自動設計法と比較して,合理的な計算コストで競争的なアーキテクチャを見出すことができる。Copyright 2019 Massachusetts Institute of Technology Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  連結性 ,  テンソル ,  計算機アーキテクチャ ,  ネットワークアーキテクチャ ,  コンピュータビジョン ,  自動設計 ,  最適化 ,  *遺伝的プログラミング ,  *畳込み ,  学習モデル
準シソーラス用語： 計算コスト ,  進化的アルゴリズム ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 遺伝的プログラミング ,  畳み込みニューラルネットワーク ,  深層学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 遺伝的プログラミング ,  深部 ,  畳込みニューラルネットワーク ,  進化