| 研究課題/領域番号 |
19700219
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
感性情報学・ソフトコンピューティング
|
|---|
| 研究機関 | 京都大学 (2008-2009)
奈良先端科学技術大学院大学 (2007) |
|---|
研究代表者 |
前田 新一 京都大学, 情報学研究科, 助教 (20379530)
|
|---|
| 研究期間 (年度) |
2007 – 2009
|
| 研究課題ステータス |
完了 (2009年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,300千円、間接経費: 300千円)
2009年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2008年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2007年度: 1,300千円 (直接経費: 1,300千円)
|
|---|
| キーワード | 階層ニューラルネットワーク / Contrastive Divergence Learning / 制約付き最適化 / EMアルゴリズム / スパースコーディング / 階層型モデル / 特徴抽出 / contrastive divergence / ニューラルネットワーク / ボルツマンマシン / autoencoder / pretraining / 自由エネルギー最小化 / companding function |
|---|
| 研究概要 |
Hintonら(2006)が示したように学習アルゴリズムの工夫と大規模データの学習によって階層ニューラルネットワークの性能が大きく引き出せることがわかった。本研究では、そのような効率的な学習を可能とするメカニズムを調べた。これにより、EMアルゴリズムの学習の遅滞が起きる原因を明らかにし、階層ニューラルネットワークで用いられるContrastive Divergence Learningの一般化とその学習則の収束条件を求めることができた。また、制約付きの最適化を行うことで自然画像の効率的な符号化に成功した。
|
