文献

J-GLOBAL ID：202002232894335943   整理番号：20A2694542

自己組織化ニューラルネットワーク階層【JST・京大機械翻訳】

Self-organising Neural Network Hierarchy

著者 (7件)： Borgohain Satya (Monash University, Clayton, VIC, Australia) ,  Kowadlo Gideon (Cerenaut, Richmond, VIC, Australia) ,  Rawlinson David (Cerenaut, Richmond, VIC, Australia) ,  Bergmeir Christoph (Monash University, Clayton, VIC, Australia) ,  Loo Kok (Monash University, Clayton, VIC, Australia) ,  Rangarajan Harivallabha (Cerenaut, Richmond, VIC, Australia) ,  Kuhlmann Levin (Monash University, Clayton, VIC, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12576  ページ： 359-370  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 哺乳類脳は,物理的2Dシートから仮想階層を形成するために,異なる新皮質領域間の機能的自己組織化を示す。生物学的に触発された自己組織化ニューラルネットワークアーキテクチャを,同じようにエミュレートすることを提案する。ネットワークは,自動エンコーダユニットで構成され,入力の潜在表現のShannonエントロピーを最大にすることに基づくメタ学習ルールによって駆動され,特徴マップ内の各ユニットの受容的フィールド配置を最適化する。ニューラルアーキテクチャ検索とは異なり,ここではネットワークパラメータとアーキテクチャを同時に学習した。画像データセットに関する事例研究では,メタ学習ルールが機能的階層を形成させ,ランダム初期化アーキテクチャから開始して,次第に良好なトポロジー構成とより高い分類性能の学習をもたらすことを観測した。特に,この手法は,後者では重要ではないが,MNISTとCIFAR-10データセットの両者で,このネットワークタイプに対して望ましいトポロジー特徴を持つ最適ハンド加工アーキテクチャ(s)と比較して分類精度の点で競合性能をもたらした。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  最適化 ,  *ネットワーク ,  *ニューラルネットワーク ,  哺乳類 ,  教師つき学習 ,  エミュレーション ,  二次元 ,  事例研究 ,  計算機アーキテクチャ ,  *自己組織化
準シソーラス用語： 新皮質 ,  画像データ ,  メタ学習 ,  分類精度 , 【Automatic Indexing@JST】

著者キーワード (3件)： 生物学的にもっともらしいネットワーク ,  自己教師つき学習 ,  欲張り訓練

分類 (3件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 自己組織化 ,  ニューラルネットワーク ,  階層