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。
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】