文献

J-GLOBAL ID：202002230300965084   整理番号：20A0872097

ニューラルネットワークにおけるマイクロ波回路モデルのための適応運動量によるロバストな準Newtonトレーニング

A Robust Quasi-Newton Training with Adaptive Momentum for Microwave Circuit Models in Neural Networks

著者 (4件)： Mahboubi Shahrzad (Graduate School of Electrical and Information Engineering, Shonan Institute of Technology) ,  Sendillkkumaar Indrapriyadarsini (Graduate School of Integrated Science and Technology, Shizuoka University) ,  Ninomiya Hiroshi (Graduate School of Electrical and Information Engineering, Shonan Institute of Technology) ,  Asai Hideki (Research Institute of Electronics, Shizuoka University)
資料名： Journal of Signal Processing (Web)  (Journal of Signal Processing (Web))
巻： 24  号： 1  ページ： 11-17(J-STAGE)  発行年： 2020年 
JST資料番号： U0425A  ISSN： 1880-1013  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ニューラルネットワークのトレーンに適応運動量項を用いた準Newton法(QN)に基づくロバストな手法について述べた。マイクロ波回路モデルは強い非線形性を持ち,それらのニューラルネットワークモデルのためのロバストなトレーニングアルゴリズムを必要とする。ロバスト性は,ここでは初期値にかかわらず実際の解を得ることができることを意味する。QNベースのアルゴリズムはこれらの目的のために一般的に用いられる。Nesterovの加速準Newton法(NAQ)は,固定運動量係数を用いてQNを加速する方法を提案した。本研究では,高い非線形性を持つマイクロ波回路モデリングに対するNAQの有効性を検証し,適応運動量係数を持つロバストなQNベースのトレーニングアルゴリズムを提案した。提案したアルゴリズムを,関数のモデリングと2つのマイクロ波回路モデリング問題を通して実証した。(翻訳著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *マイクロ波回路 ,  *回路モデル ,  *運動量 ,  *擬似Newton法 ,  非線形性 ,  ロバスト性 ,  基準信号 ,  アルゴリズム ,  信号処理アルゴリズム
準シソーラス用語： トレーニング信号

著者キーワード (6件)： ニューラルネットワーク ,  訓練アルゴリズム ,  準Newton法 ,  Nesterovの加速勾配 ,  適応運動量項 ,  マイクロ波回路モデリング

分類 (2件)： 信号理論  (ND02020G) ,  伝送回路素子一般  (NC04010G)

引用文献 (20件)：

• [1] S. Haykin: Neural Networks and Learning Machines, Pearson, 2009.
• [2] H. Kabir, L. Zhang, M. Yu, P. H. Aaen, J. Wood and Q. J. Zhang: Smart modeling of microwave devices, IEEE Microwave Mag., Vol.11, No.3, pp.105-118, 2010.
• [3] Q. J. Zhang, K. C. Gupta and V. K. Devabhaktuni: Artifical neural networks for RF and microwave design-from theory to practice, IEEE Trans. Microwave Theory and Tech., Vol.51, pp.1339-1350, 2003.
• [4] H. Ninomiya, S.Wan, H. Kabir, X. Zhang and Q. J. Zhang: Robust training of microwave neural network models using combined global/local optimization techniques, Proc. IEEE MTT-S International Microwave Symposium (IMS) Digest, pp.995-998, 2008.
• [5] I. Sutskever, J. Martens, G. Dahl and G. Hinton: On the importance of initialization and momentum in deep learning, Proc. IEEE International Conference on Machine Learning (ICML), 2013.

タイトルに関連する用語 (7件)： ニューラルネットワーク ,  マイクロ波回路 ,  モデル ,  適応 ,  運動量 ,  ロバスト ,  トレーニング