文献

J-GLOBAL ID：202202250231932984   整理番号：22A0446341

エネルギーベース深層学習における微調整ドロップアウト正則化【JST・京大機械翻訳】

Fine-Tuning Dropout Regularization in Energy-Based Deep Learning

著者 (3件)： de Rosa Gustavo H. (Department of Computing, Sao Paulo State University, Bauru, Brazil) ,  Roder Mateus (Department of Computing, Sao Paulo State University, Bauru, Brazil) ,  Papa Joao P. (Department of Computing, Sao Paulo State University, Bauru, Brazil)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12702  ページ： 99-108  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層学習アーキテクチャは,主にコンピュータビジョンにおける識別力により,近年,広く研究されている。しかし,そのようなモデルに関連した一つの問題は,それらのパラメータ数とハイパーパラメータに関係しており,それは,数百万倍容易に到達できる。付加的欠点は,広範な訓練データセットとそれらの過剰適合の高い確率の必要性から成る。最近,Dropoutとして知られるネットワークからニューロンを切断する単純なアイデアは,適切なハイパーパラメータ設定を必要とするが,有望な解決策であることが示されている。したがって,本研究は,画像再構成のタスクにおけるメタヒューリスティック最適化を通して適切なDropout比を見つける。制限Boltzmannマシン,深層信念ネットワーク,および粒子群最適化,Batアルゴリズム,ホタルアルゴリズム,Cucko探索のようないくつかのメタヒューリスティック技法のようないくつかのエネルギーベース深層学習アーキテクチャを,そのような文脈において採用した。実験結果は,3つの文献データセットにおける適切なDropoutパラメータを見つけるためのメタヒューリスティック最適化の使用の実現可能性を記述し,正則化ベースのハイパーパラメータを実験的に選択するための代替としてバイオインスパイアード最適化を強化した。Copyright Springer Nature Switzerland AG 2021 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 ,  ニューロン ,  コンピュータビジョン ,  *正則化 ,  計算機アーキテクチャ ,  Boltzmannマシン ,  機械学習 ,  画像再構成
準シソーラス用語： 訓練データ ,  粒子群最適化 ,  信念ネットワーク ,  ハイパーパラメータ ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  深層学習 ,  正則化法 ,  Meta-発見的最適化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： エネルギー ,  深層学習 ,  微調整 ,  ドロップ ,  正則化