深い畳込みテンソルネットワーク【JST・京大機械翻訳】

Blagoveschensky Philip; Phan Anh Huy

プレプリント

J-GLOBAL ID：202202205019367210 整理番号：22P0152960

深い畳込みテンソルネットワーク【JST・京大機械翻訳】

Deep convolutional tensor network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年05月29日プレプリントサーバーでの情報更新日： 2020年11月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ニューラルネットワークは,パラメータ共有,局所性,および深さのため,多くの分野での最新の結果の状態を達成した。テンソルネットワーク(TN)はそれらのエンタングルメント構造に基づく量子多体状態の線形代数表現である。TNsは機械学習で使用されている。画像分類のための深い畳込みテンソルネットワーク(DCTN)と呼ばれる新しいTNベースモデルを考案し,それはパラメータ共有,局所性,および深さを持っている。それはエンタングルドプラーク状態(EPS)TNに基づいている。EPSがバックプロパガブル層としてどのように実装できるかを示した。MNIST,FashionMNIST,およびCIFAR10データセット上で,DCTNをテストした。浅いDCTNはMNISTとFashionMNISTでよく機能し,小さなパラメータ数を持っている。残念なことに,深さは過剰適合度を増加させ,従って試験精度を低下させる。また,任意の深さのDCTNは,過剰適合によりCIFAR10上でひどく機能した。なぜなら,なぜかを決定する。DCTNのハイパーパラメータがその訓練と過剰適合にどのように影響するかを論じた。【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識

前のページに戻る