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。
深層ニューラルネットワーク(DNN)は多くの実世界問題に適用されてきたが,それらの動的および計算的原理の完全な理解はまだ不足している。DNNを解析するための従来の理論的フレームワークは,Gauss統計に従う結合重みを持つランダムネットワークをしばしば仮定する。しかし,非Gauss,重尾結合はDNNにおけるユビキタス現象である。ここでは,重尾ランダム行列と非平衡統計物理学の理論を一緒に織り込むことにより,重尾重みが微調整パラメータなしに拡張臨界領域の出現を可能にすることを予測するDNNに対する新しいタイプの平均場理論を開発した。この拡張臨界領域では,DNNは層にわたって豊富で複雑な伝搬動力学を示す。さらに,拡張臨界性は,DNNを,内部神経表現の拡大だけでなく,内部神経表現の膨張,およびトレーニングプロセスのスピードアップ,および,効率的なニューラルアーキテクチャの設計のための理論的指針を提供するという,大きな計算利点を有することを,さらに明らかにした。【JST・京大機械翻訳】