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。
1つの深いネットワークにおける訓練多重タスクは,ネットワークの特定層を共有することにより,単一タスク対応物よりも推論中の待ち時間とより良い性能を,同時に削減する。しかし,ネットワークの過剰共有は過一般化を誤って強化し,タスクを横断して負の知識移転を引き起こす。先行研究は,アドホック分岐構造に対する人間直感または事前計算タスク関連性スコアに依存する。それらは準最適エンド結果を提供し,しばしば試行錯誤プロセスのための巨大な努力を必要とする。本研究では,ネットワーク内の共有または分岐を学習する自動マルチタスク学習アルゴリズムを提示し,タスクを横断して複数の目的に対して直接最適化する効果的なネットワークトポロジーを設計した。特に,筆者らは,ツリー分岐操作をガムベルソフトマックスサンプリング手順としてキャストする,新しいツリー構造設計空間を提案した。これにより,エンドツーエンド訓練可能な異なるネットワーク分割が可能になった。著者らは,制御合成データ,CelebA,およびタスクノミーに関する提案方法を検証した。【JST・京大機械翻訳】