ニューラルネットワークの情報熱力学の構築
神经网络信息热力学的构建
基本信息
- 批准号:18J13097
- 负责人:
- 金额:$ 0.96万
- 依托单位:
- 依托单位国家:日本
- 项目类别:Grant-in-Aid for JSPS Fellows
- 财政年份:2018
- 资助国家:日本
- 起止时间:2018-04-25 至 2020-03-31
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
機械学習において、表現学習とは、与えられたデータを有用な情報を保存した形の別の表現に変換する方法を探索することである。離散変数で表される表現をとくに離散表現という。言語など、対応する表現が離散であるほうが望ましいデータは多いが、近年発展している深層ニューラルネットワークは、誤差逆伝播法を基本とするアルゴリズムを用いるため、微分不可能な離散表現の学習アルゴリズムの研究は乏しい。表現学習の手法として最も普及しているのはVAEと呼ばれる枠組みである。これは、確率的なエンコーダー・デコーダーに対して、変分上界と呼ばれる量でKL- ダイバージェンスを上から評価し、これを最小化する。しかしながら、この手法もやはり誤差逆伝播法により中間層、すなわち表現に対応する層を学習する必要があるため、離散表現を学習する事はできない。我々は、従来のVAEと異なり、エンコード・デコードの組を、それ自体の逆過程で推論するときの変分上界を評価することで、離散表現の教師なし学習を行うことに成功した。この変分上界は、単にアルゴリズムのために導入された量ではなく、統計力学において重要な、エントロピー生成と呼ばれる量と同一の性質を持っている。このため我々はこの量を変分ベイズエントロピー生成(VBEP)と名付けた。これを最小化するアルゴリズムを、変分ベイズエントロピー生成オートエンコーダとして提案した。これは単なるアルゴリズム提案にとどまらず、統計力学が機械学習と深い関連があることを示唆する結果と言える。先行研究に置いて、機械学習やニューラルネットワークに関連する系にエントロピー生成を導入する試みはいくつかある。しかし、直接アルゴリズムに関連するものではなく、それらの重要性は明らかではない。これに対し VBEPはエントロピー生成であり、かつ学習目標でもある。
Mechanical learning, performance learning, and other useful information to preserve the performance of the method to explore Discreteness is the expression of the number. Speech and contrast performance are discrete, but there are many things to look forward to. In recent years, deep-level networking has been developed, and the basic inverse error propagation method has been used. There is a lack of research on the learning of discrete performance based on differential impossibility. Performance learning techniques are most popular. The upper bound of the probability is determined by the minimum of the probability. For example, if you want to learn from the middle layer, you can learn from the middle layer. I am a teacher of discrete performance, and I am a teacher of discrete performance. The upper bound of this classification is the same as that of statistical mechanics. This is the first time I've ever been in a relationship with someone else. This is the first time I've seen a proposal that I've been able to minimize the amount of money I've been able to make. The results of this study are as follows: The first study is to study the relationship between the two systems, and to try to introduce them into the system. The importance of direct and indirect communication is clear. VBEP is not for learning purposes.
项目成果
期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
過剰エントロピー生成を用いたRNNの学習則
使用过量熵生成的 RNN 学习规则
- DOI:
- 发表时间:2019
- 期刊:
- 影响因子:0
- 作者:横山 文秋;川本 純;陳 晨;今井 友也;栗原 達夫;山本峻平,金子邦彦;山本峻平,金子邦彦
- 通讯作者:山本峻平,金子邦彦
An extended Contrastive Divergence algorithm as excess entropy production minimization
作为过剩熵产生最小化的扩展对比散度算法
- DOI:
- 发表时间:2018
- 期刊:
- 影响因子:0
- 作者:横山 文秋;川本 純;陳 晨;今井 友也;栗原 達夫;山本峻平,金子邦彦;山本峻平,金子邦彦;山本峻平,金子邦彦;山本峻平,金子邦彦
- 通讯作者:山本峻平,金子邦彦
Contrastive Divergence 法による学習ダイナミクス
使用对比发散法学习动态
- DOI:
- 发表时间:2018
- 期刊:
- 影响因子:0
- 作者:T. Nakao;T. Tada and H. Hosono;Fumio Maeda;山本峻平,金子邦彦;山本峻平,金子邦彦;山本峻平,金子邦彦
- 通讯作者:山本峻平,金子邦彦
変分エントロピー生成最小化による確率的ニューラルネットワークの教師なし学習
使用变分熵生成最小化的随机神经网络无监督学习
- DOI:
- 发表时间:2019
- 期刊:
- 影响因子:0
- 作者:横山 文秋;川本 純;陳 晨;今井 友也;栗原 達夫;山本峻平,金子邦彦
- 通讯作者:山本峻平,金子邦彦
過剰エントロピー生成最小化としての拡張Contrastive Divergence法によるRNNの学習
通过扩展对比散度法学习 RNN 作为过量熵生成最小化
- DOI:
- 发表时间:2018
- 期刊:
- 影响因子:0
- 作者:横山 文秋;川本 純;陳 晨;今井 友也;栗原 達夫;山本峻平,金子邦彦;山本峻平,金子邦彦;山本峻平,金子邦彦
- 通讯作者:山本峻平,金子邦彦
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
山本 峻平其他文献
山本 峻平的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
相似海外基金
ニューラルネットワークの内容可視化に基づく革新的なA I教育支援ツールの開発
基于神经网络内容可视化的创新AI教育支持工具开发
- 批准号:
24K06368 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
畳み込みニューラルネットワークによる静電インクジェット印刷特性予測
使用卷积神经网络预测静电喷墨打印特性
- 批准号:
24K17547 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Early-Career Scientists
解釈可能な非線形積分ニューラルネットワークの理論と実装
可解释非线性积分神经网络的理论与实现
- 批准号:
24K06868 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
積型ニューラルネットワーク深層学習による数値解析的アルゴリズムの解析と創出
使用产品神经网络深度学习分析和创建数值分析算法
- 批准号:
24K00540 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Scientific Research (B)
ホログラフィック光学素子を利用した光回折ニューラルネットワークの波長多重化
使用全息光学元件的光学衍射神经网络的波长复用
- 批准号:
24K20865 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Early-Career Scientists
自己増殖型ニューラルネットワークに基づく自律ロボットのための適応型知覚システム
基于自传播神经网络的自主机器人自适应感知系统
- 批准号:
24K20870 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Early-Career Scientists
時間領域論理の導入による超高速かつ超効率動作が可能な超伝導ニューラルネットワーク
引入时域逻辑实现超高速、超高效运行的超导神经网络
- 批准号:
24KJ1148 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for JSPS Fellows
医用画像診断深層ニューラルネットワークの信頼性・安全性確保のための計算手法開発
开发计算方法以确保深度神经网络用于医学图像诊断的可靠性和安全性
- 批准号:
23K21719 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Scientific Research (B)
空間構造の導入とタンパク質変異体創出を介した細胞ニューラルネットワークの高度化
通过引入空间结构和创建蛋白质变体来复杂化细胞神经网络
- 批准号:
24K03036 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Scientific Research (B)
錐計画に基づく再帰型ニューラルネットワークの安定性解析と最適設計
基于锥规划的循环神经网络稳定性分析与优化设计
- 批准号:
23K20949 - 财政年份:2024
- 资助金额:
$ 0.96万 - 项目类别:
Grant-in-Aid for Scientific Research (B)