文献

J-GLOBAL ID：202202219087481888   整理番号：22A0840445

記号DNN-Tuner:深層ニューラルネットワークハイパーパラメータを最適化するためのPythonおよびProbLogベースシステム【JST・京大機械翻訳】

Symbolic DNN-Tuner: A Python and ProbLog-based system for optimizing Deep Neural Networks hyperparameters

著者 (3件)： Fraccaroli Michele (Department of Engineering, University of Ferrara, Via Saragat 1, 44122 Ferrara, Italy) ,  Lamma Evelina (Department of Engineering, University of Ferrara, Via Saragat 1, 44122 Ferrara, Italy) ,  Riguzzi Fabrizio (Department of Mathematics and Computer Science, University of Ferrara, Via Saragat 1, 44122 Ferrara, Italy)
資料名： SoftwareX  (SoftwareX)
巻： 17  ページ： Null  発行年： 2022年 
JST資料番号： W3073A  ISSN： 2352-7110  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ますます複雑なコンテキストへの深層学習モデルの適用は,モデル自体の複雑性の増加につながった。これにより,ハイパーパラメータ(HP)の数が増加し,ハイパーパラメータ最適化(HPO)アルゴリズムが深層学習における基本的役割を占有する。Bayes最適化(BO)は,深層学習モデルのためのHPOの最先端である。BOは過去の結果の追跡を保って,それらを確率的モデルを構築するために使用して,HPの確率密度を構築する。本研究は,訓練と検証セットに関するネットワークの結果の解析によって,深層ニューラルネットワーク(DNN)に適用するBOを改善することを目指した。この解析は,確率的論理プログラミング(PLP)に実装された記号同調規則を適用することにより得られる。シンボリックDNN-Tunerと呼ばれる得られたシステムは,訓練と検証フェーズから得られた結果を論理的に評価し,記号的チューニング規則を適用して,ネットワークアーキテクチャとそのHPを固定し,性能を改善した。本論文では,一般的なシステムとその実装を示した。また,そのグラフィカルインタフェイスと実行の簡単な例を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  *ネットワーク ,  同調 ,  確率密度 ,  モデル ,  *パラメータ ,  インタフェイス ,  確率モデル ,  論理プログラミング ,  機械学習 ,  ネットワークアーキテクチャ
準シソーラス用語： 複雑性 ,  *Python ,  *ハイパーパラメータ ,  深層学習 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  確率的論理プログラミング ,  ハイパーパラメータ調整 ,  神経記号統合

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 記号 ,  深層ニューラルネットワーク ,  ハイパーパラメータ ,  最適化 ,  Python