文献

J-GLOBAL ID：202202278936932979   整理番号：22A0968009

畳込みニューラルネットワークを用いたバックプロパゲーション学習に対するHebbianの性能比較【JST・京大機械翻訳】

Comparing the performance of Hebbian against backpropagation learning using convolutional neural networks

著者 (4件)： Lagani Gabriele (University of Pisa, Pisa, Italy) ,  Falchi Fabrizio (ISTI-CNR Pisa, Pisa, Italy) ,  Gennaro Claudio (ISTI-CNR Pisa, Pisa, Italy) ,  Amato Giuseppe (ISTI-CNR Pisa, Pisa, Italy)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 8  ページ： 6503-6519  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
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： 本論文では,畳込みニューラルネットワーク(CNN)訓練に適用したHebbian学習戦略を検討した。2つの教師なし学習アプローチ,Hebbian Winner-Takes-All(HWTA),およびHebbian主成分分析(HPCA)を考察した。Hebbian学習ルールを用いて,バックプロパゲーション(バックプロップ)を必要とせずに分類に用いる特徴を抽出するために,CNNの層を訓練した。実験比較は最先端の教師なし(バックプロップベース)変分自動エンコーダ(VAE)訓練により行った。完全性のために,著者らは,最終分類層を訓練するために,2つの教師付きHebbian学習変異体(Supervised Hebbian Classifier-SHC,および対照Hebbian Learning-CHL)を考察し,確率的勾配Descent訓練と比較した。また,いくつかのネットワーク層がHebbianアプローチに従って訓練されたハイブリッド学習方法論を検討し,他はバックプロパにより訓練された。MNIST,CIFAR10およびCIFAR100データセットに関する著者らのアプローチを試験した。著者らの結果は,Hebbian学習が,初期特徴抽出層の訓練,または,バックプロパよりも少ない訓練時代におけるより高いネットワーク層の再訓練に適していることを示唆する。さらに,著者らの実験は,Hebbian学習がVAE訓練を凌駕し,HPCAがHWTAよりも一般的に優れていることを示す。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変分法 ,  *学習 ,  *ニューラルネットワーク ,  教師なし学習 ,  特徴抽出 ,  符号器 ,  完全性 ,  主成分分析 ,  *逆伝搬法
準シソーラス用語： 性能比較 ,  ネットワーク層 ,  学習則 ,  ハイブリッド学習 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： Hebb学習 ,  深層学習 ,  ニューラルネットワーク ,  生物学的にヒントを得た

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  バックプロパゲーション ,  学習 ,  性能比較