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。
深い学習の理解は,ますます産業と科学に浸透するので,ますます緊急である。近年,Fourier解析からの研究ラインは,深層ニューラルネットワーク(DNN)-DNNの訓練挙動の周波数原理(F-Principleまたはスペクトルバイアス)を示すことにより,このマジック「ブラックボックス」に光を投げかけ,訓練中の低から高周波数への機能にしばしば適合している。”DNNs”-DNNsの訓練挙動の周波数原理(F-Principleまたはスペクトルバイアス)を示すことにより,このマジックな”ブラックボックス”に光を投げかける。F-Principleは,一次元合成データによって最初に実証され,高次元実データセットにおける検証が続いた。一連の研究は,その後F-Principleの有効性を強化する。この低周波陰的バイアスは,低周波関数の学習におけるニューラルネットワークの強度と,高周波関数の学習における欠陥を明らかにした。このような理解は,実際の問題におけるDNNベースのアルゴリズムの設計を推進し,様々なシナリオで出現する実験現象を説明し,さらに,周波数展望から深い学習の研究を進める。不完全ではあるが,F-Principleの概観を提供し,将来の研究のためのいくつかの未解決問題を提案した。【JST・京大機械翻訳】