縮小ハミルトニアンニューラルODEを用いたロバストな分類【JST・京大機械翻訳】

Zakwan Muhammad; Xu Liang; Ferrari-Trecate Giancarlo

プレプリント

J-GLOBAL ID：202202213392611396 整理番号：22P0308455

縮小ハミルトニアンニューラルODEを用いたロバストな分類【JST・京大機械翻訳】

Robust Classification using Contractive Hamiltonian Neural ODEs

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 (3件)： , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2022年07月11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)

深層ニューラルネットワークは,出力の著しい変化を引き起こすかもしれない小さな入力摂動に対して脆弱で高感度である。本論文では,ニューラルODE(NODE)のロバスト性を改善するために収縮理論を採用した。異なる初期条件を持つすべての解が互いに指数的に高速に収束するならば,動的システムは収縮する。結果として,初期条件の摂動は,時間とともに少なく,それほど関連しなかった。NODEにおいて,入力データは動的システムの初期条件に対応し,収縮性は入力摂動の影響を緩和できることを示した。ハミルトニアン動力学を持つNODEsにより,より正確に,収縮ハミルトニアンNODE(CH-NODE)のクラスを提案した。スカラーパラメータを適切に調整することによって,CH-NODEは設計によって収縮性を確実にし,標準逆伝搬を用いて訓練できる。さらに,CH-NODEは,非爆発勾配の内蔵保証を楽し,それは,十分に設定された訓練プロセスを確実にする。最後に,雑音のある試験データによるMNIST画像分類問題に対するCH-NODEのロバスト性を示した。【JST・京大機械翻訳】

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

量子力学一般 , 原子炉冷却系 , 分子遺伝学一般 , 統計学 , 白金族元素の錯体

, ,

前のページに戻る