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。
大きい成功ニューラルネットワークは,勾配-日光(GD)アルゴリズムの適用から分離できない。GDに基づいて,多くのバリアントアルゴリズムがGD最適化プロセスを改善するために出現した。バックプロパゲーションのための勾配は,ニューラルネットワークの訓練のための最も重要な側面である。計算した勾配の品質は,多重側面,例えば,ノイズの多いデータ,計算誤差,アルゴリズム限界などによって影響することができた。勾配降下を超える勾配情報を明らかにするために,勾配補正を実行するためにフレームワーク(GCGD)を導入した。GCGDは2つのプラグインモジュールから成る。1)勾配予測のアイデアにより,重み勾配補正のためのGC-Wモジュールを提案した。2)ニューラルODEに基づいて,隠れ状態勾配補正のためのGC-ODEモジュールを提案した。実験結果は,著者らの勾配補正フレームワークが効果的に勾配品質を向上させて,訓練期間を20%まで減らして,また,ネットワーク性能を向上することを示した。【JST・京大機械翻訳】