文献

J-GLOBAL ID：202202263897113104   整理番号：22A1104567

最適ハイパーパラメータ値のための分散深層学習アプローチ【JST・京大機械翻訳】

Distributed Deep Learning Approach for Optimal Hyper-Parameter Values

著者 (2件)： Tan Ziya (Erzincan Binali Yildirim University,Erzincan,TURKEY) ,  Karakose Mehmet (Firat University,Elazig,TURKEY)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： IT  ページ： 1-4  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人工知能の開発によって,特に技術と産業部門において大きな変化があった。深い学習と強化学習研究が研究者による一般的な話題であるという事実は,この変化を加速する。本論文では,分散システムを提示し,最も正確な値における物体検出に用いる深層学習アルゴリズムのハイパーパラメータを決定した。深層学習アルゴリズムを用いた物体認識手法における精度速度に影響する最も重要な因子の一つは,正しい値を有するハイパーパラメータの決定である。これらのパラメータの最適を決定するために非常に長い実験を行う必要がある。この問題を解決するために,オブジェクト検出に用いる深層学習ネットワークを,RAY分散アーキテクチャを深層学習アルゴリズムと組み合わせることにより訓練した。各反復におけるパラメータを変えることによって,精度速度を観察した。物体検出のために,CIFAR-10データセットを用いて作成したニューラルネットワークの訓練をCPUを用いて行った。さらに,分散アーキテクチャのおかげで,各プロセスは4つの異なる労働者によって訓練される。人工ニューラルネットワークの訓練結果と特性を次のセクションで詳細に与えた。従って,3点における本論文の主な寄与を浮き彫りにした。最初に;長いプロセスが短時間に完了するのを示すため,分散システムによる深層学習アルゴリズムの統合のおかげで;最適ハイパーパラメータ値を決定するのに用いたモデルを訓練し,第三は分散深層学習アプローチの提示である。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  ニューラルネットワーク ,  労働者 ,  物体認識 ,  人工知能 ,  深層 ,  強化学習 ,  *学習アルゴリズム
準シソーラス用語： 分散システム ,  物体検出 ,  *ハイパーパラメータ ,  分散アーキテクチャ ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： ハイパーパラメータ ,  深層学習