構造適応型Deep Belief Network事前学習を考慮した知識獲得の検討

URI http://harp.lib.hiroshima-u.ac.jp/pu-hiroshima/metadata/12597
ファイル
タイトル
構造適応型Deep Belief Network事前学習を考慮した知識獲得の検討
別タイトル
Knowledge Acquisition in Consideration of Pre-training for Adaptive Structural Learning of Deep Belief Network
著者
氏名 市村 匠
ヨミ イチムラ タクミ
別名 Ichimura Takumi
氏名 鎌田 真
ヨミ カマダ シン
別名 Kamada Shin
抄録

Abstract—Deep Learning has a hierarchical network architecture to represent the complicated feature of in-put patterns. We have developed the adaptive structure learning method of Deep Belief Network (DBN) that can discover an optimal number of hidden neurons for given input data in a Restricted Boltzmann Machine (RBM)by neuron generation-annihilation algorithm, and hidden layers in DBN. The knowledge extraction method from the developed DBN and the rectification method of the signal flow on the wrong path have been developed. The fine-tuning method can reach an incredible high accuracy of classification (the best record). In Deep Learning, the layer-wise unsupervised pre-training can construct abstract and concrete modes of information processing. In this paper we improve the knowledge acquisition method to adopt a distinction between abstract and concrete. The empirical study was executed on the ChestX-ray8 database.

内容記述

開催日:平成30年7月28日
会場:広島工業大学

掲載雑誌名
2018 IEEE SMC Hiroshima Chapter若手研究会講演論文集
開始ページ
70
終了ページ
76
出版年月日
2018
出版者
IEEE SMC Hiroshima Chapter
寄与者
市村匠
本文言語
日本語
資料タイプ
会議発表論文
著者版フラグ
出版社版
区分
pu-hiroshima