文献

J-GLOBAL ID：202002251611784776   整理番号：20A2038079

深層ニューラルネットワーク最適化のための二重継承進化戦略【JST・京大機械翻訳】

Dual Inheritance Evolution Strategy for Deep Neural Network Optimization

著者 (4件)： Hino Kent (Tokyo Institute of Technology,Department of Information and Communication Engineering,Kanagawa,Japan) ,  Kimura Yusuke (Tokyo Institute of Technology,Department of Information and Communication Engineering,Kanagawa,Japan) ,  Dong Yue (Tokyo Institute of Technology,Department of Information and Communication Engineering,Kanagawa,Japan) ,  Shinozaki Takahiro (Tokyo Institute of Technology,Department of Information and Communication Engineering,Kanagawa,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CEC  ページ： 1-7  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 深層ニューラルネットワーク(DNN)は,ネットワーク構造や学習条件などの構成の集中的な調整を必要とする。チューニングは,進化的アルゴリズムが適用可能な一種のブラックボックス最適化問題である。DNN構成の進化最適化における独特の特性は,最適化に二重構造があることである。進化的アルゴリズムは,DNN構成を表す染色体を最適化し,一方,構成を有する個々のDNNは,典型的には逆伝播によって訓練データから学習する。進化アルゴリズムによりより良い最適化DNNを得る目的で,遺伝子および培養共進化のヒト脳進化との類似性に基づく二重遺伝進化戦略を提案した。提案手法は,教師-スチューデント学習を統合することにより,先祖DNNから子孫DNNへの直接伝播または知識を直接伝播するための付加的パスを導入することによって,従来の進化戦略の拡張である。提案手法をエンドツーエンドニューラルネットワークベースの音声認識システムの自動チューニングに適用した。実験結果は,提案した方法が,共分散行列適応進化戦略(CMA-ES)に基づくベースライン最適化よりも高い認識性能を有するより小さなモデルを生成することを示した。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】

シソーラス用語： *最適化 ,  学習 ,  最適化問題 ,  二重構造 ,  *ニューラルネットワーク ,  遺伝 ,  遺伝子 ,  ヒト ,  同調 ,  ブラックボックス ,  エンドツーエンド方式 ,  *進化戦略 ,  共進化 ,  共分散行列 ,  *ディープニューラルネットワーク ,  *改変

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層ニューラルネットワーク ,  最適化 ,  継承 ,  進化戦略