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。
ニューラルネットワークは,近年,劇的な改善を達成し,今日,多くの実世界タスクに対する最先端の方法を示している。しかしながら,一つの欠点は,これらのモデルの多くが過剰パラメータ化されており,それらが計算的およびメモリ集約的になることである。さらに,過剰パラメタリゼーションは望ましくない過剰適合副作用に導くこともできる。最近提案された,統計学の分野からの,最近提案された方法に基づく剪定方式とWald試験により,このような欠点を少なくする助けとなる新しい大きさと不確実性(M&U)剪定基準を導入した。筆者らのM&U剪定基準の一つの重要な利点は,スケール不変であることであり,このことは,magnituベースの剪定基準が苦しむという現象である。さらに,訓練中の更新情報を用いて重みの不確実性を効率的に推定できる「擬似ブートストラップ」方式を提案した。著者らの実験評価は,様々なニューラルネットワークアーキテクチャとデータセットに基づいて,著者らの新しい判定基準が,単に,予測力におけるより少ない損失によって,単に,単に,より圧縮されたモデルに導くことを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】