文献

J-GLOBAL ID：202002299344135629   整理番号：20A1242037

ニューラルネットワークのオンライン訓練のための事象ベース制御【JST・京大機械翻訳】

Event-Based Control for Online Training of Neural Networks

著者 (4件)： Zhao Zilong (CNRS, Grenoble INP, GIPSA-Lab, Universite ́ Grenoble Alpes, Grenoble, France) ,  Cerf Sophie (CNRS, Grenoble INP, GIPSA-Lab, Universite ́ Grenoble Alpes, Grenoble, France) ,  Robu Bogdan (CNRS, Grenoble INP, GIPSA-Lab, Universite ́ Grenoble Alpes, Grenoble, France) ,  Marchand Nicolas (CNRS, Grenoble INP, GIPSA-Lab, Universite ́ Grenoble Alpes, Grenoble, France)
資料名： IEEE Control Systems Letters  (IEEE Control Systems Letters)
巻： 4  号： 3  ページ： 773-778  発行年： 2020年 
JST資料番号： W3481A  ISSN： 2475-1456  資料種別： 逐次刊行物 (A)
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： 畳込みニューラルネットワーク(CNN)は画像分類タスクのために最も使用される方法になった。その訓練の間,学習速度と勾配は,モデルの収束速度に影響を及ぼすために調整する2つのキー因子である。通常の学習速度戦略は時間に基づいている。すなわち,時間とともに単調に減衰する。最近の最先端技術は適応勾配アルゴリズム,すなわちAdamとそのバージョンに焦点を合わせている。本レターでは,オンライン学習シナリオを考察し,古典的アルゴリズムE(期待値)/PD(比例微分)制御の学習速度を調整するために,2つのイベントベースの制御ループを提案した。最初のイベントベースの制御ループは,モデルが最適に近づくとき,学習速度の突然の低下を防ぐために実装される。第2のイベントベースの制御ループは,次のデータバッチに切り替えるとき,学習速度に基づいて決定する。実験的評価を,2つの最先端の機械学習画像データセット(CIFAR-10とCIFAR-100)を用いて提供した。結果は,EventベースのE/PDがオリジナルのアルゴリズム(より高い最終精度,より低い最終損失値)より良いことを示して,二重イベントベースのE/PDは訓練プロセスを加速することができて,最先端のアルゴリズムと比較して67%までのトレーニング時間を節約して,より良い性能をもたらした。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： アルゴリズム ,  *ニューラルネットワーク ,  期待値 ,  微分 ,  機械学習
準シソーラス用語： 画像データ ,  オンライン学習 ,  収束速度 ,  画像分類 ,  学習速度 ,  制御ループ ,  勾配アルゴリズム ,  *オンライン訓練 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： ニューラルネットワーク ,  オンライン訓練 ,  事象