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。
再帰ニューラルネットワーク(RNN)は,シーケンスと多変量時系列データのためのユビキタスコンピューティングシステムである。RNNのいくつかのロバストアーキテクチャは知られているが,与えられたタスクに対してRNN初期化,アーキテクチャ,および他のハイパーパラメータをどのように相関するかは不明である。本研究では,動的システムとしてRNNを扱うことを提案し,非線形動的系に対して特別に設計した方法論であるLyapunovスペクトル解析を通して,ハイパーパラメータを精度と相関させた。RNNの特徴が既存のLyapunovスペクトル解析を越えているという事実に取り組むために,著者らはAutoencoderによるLyapunovスペクトルと潜在表現(AeLLE)の埋込みから関連特徴を推論することを提案する。種々のRNNアーキテクチャの著者らの研究は,AeLLEがRNNLyapunovスペクトルを精度とうまく相関することを示した。さらに,AeLLEによって学習された潜在表現は,同じタスクからの新しい入力に一般化可能であり,RNN訓練の過程において早期に形成される。後者の特性は,訓練が完了するとき,RNNが収束する精度の予測を可能にする。著者らは,AeLLEと共にLyapunovスペクトルによるRNNの表現が,RNNアーキテクチャのバリアントの組織化と解釈のための新しい方法を提供すると結論する。【JST・京大機械翻訳】