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。
本論文では,神経進化畳込みニューラルネットワーク(CNN)の性能を改善するための3つの一般的戦略,すなわちノードレベル突然変異操作,後成的重み初期化およびプール接続を検討した。これらは,拡張畳込みトポロジー(EXACT)アルゴリズムの進化的eXplationを用いて実行した。結果をボランティアコンピューティングプロジェクトを用いて1か月にわたって収集し,225000CNNを訓練し,16の異なるEXACT検索で評価した。ノード突然変異操作は,従来のエッジ突然変異操作(NEATアルゴリズムで使われる)で進化速度を劇的に改善することが示され,そして,後成的重み初期化は訓練されたCNNの精度と一般化可能性をさらに増加させることを示した。負だが興味深い結果として,プール接続を可能にすることは,進化の進行を劣化させることを示した。最良の訓練されたCNNsは,13,500CNN評価の下でMNISTテストデータで99.46%の精度に達し,最良のヒト設計CNNsのいくつかに匹敵する精度であった。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】