| 研究課題/領域番号 |
26540090
|
|---|
| 研究種目 |
挑戦的萌芽研究
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 国立情報学研究所 |
|---|
研究代表者 |
小野 順貴 国立情報学研究所, 情報学プリンシプル研究系, 准教授 (80334259)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2016-03-31
|
| 研究課題ステータス |
完了 (2015年度)
|
| 配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2015年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2014年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 深層学習 / 補助関数法 / ニューラルネットワーク / 最適化 / パターン認識 / バックプロパゲーション / 補助関数 |
|---|
| 研究成果の概要 |
タンジェントハイパボリック関数を活性化関数とする２層ニューラルネットワークに対して、ルックアップテーブルを利用した２次の補助関数を導出した。また、多層構造をもつニューラルネットワークを学習するために、この補助関数を出力側から入力側へ再帰的に設計できることを示し、目的値を出力層から入力層側に順次伝播させる目的値逆伝播というアイディアに基づく改良も行った。MNISTの手書き文字データを用いた実験では、従来の適応型勾配法よりも大幅に少ない反復回数で学習が収束することを示した。
|
