JP7077746B2 - 学習装置、学習方法及び学習プログラム - Google Patents
学習装置、学習方法及び学習プログラム Download PDFInfo
- Publication number
- JP7077746B2 JP7077746B2 JP2018083122A JP2018083122A JP7077746B2 JP 7077746 B2 JP7077746 B2 JP 7077746B2 JP 2018083122 A JP2018083122 A JP 2018083122A JP 2018083122 A JP2018083122 A JP 2018083122A JP 7077746 B2 JP7077746 B2 JP 7077746B2
- Authority
- JP
- Japan
- Prior art keywords
- function
- output
- learning
- softmax
- exponential
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
- G06F7/556—Logarithmic or exponential functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Image Analysis (AREA)
Description
まず、図1を用いて深層学習について説明する。図1は、深層学習のモデルを説明するための図である。ここでは、特に、クラスの分類を行うためのモデルについて説明する。図1に示すように、深層学習のモデルは、入力層、1つ以上の中間層及び出力層を有する。
[y]iはベクトルyのi番目の要素である。式(1)において、softmaxは、重み計算後のベクトルWuに対する指数関数を使った非線形変換を行っている。また、出力ベクトルyのi番目の要素[y]iは、例えば入力がクラスiである確率を表している。
まず、図2を用いて、第1の実施形態に係る学習装置の構成について説明する。図2は、第1の実施形態に係る学習装置の構成の一例を示す図である。図2に示すように、学習装置10は、記憶部11及び制御部12を有する。
図3を用いて、学習装置10の処理の流れについて説明する。図3は、第1の実施形態に係る学習処理の流れを示すフローチャートである。図3に示すように、まず、学習装置10は、入力層への入力データの入力を受け付ける(ステップS10)。
本実施形態において、計算部121は、ニューラルネットワークの出力層の出力信号を変数とする出力関数であって、対数尤度関数が非線形である出力関数を計算する。更新部122は、出力信号に基づいて、出力関数の対数尤度関数が最適化されるように、ニューラルネットワークのパラメータを更新する。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、各装置の分散及び統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散又は統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部又は任意の一部が、CPU及び当該CPUにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
一実施形態として、学習装置10は、パッケージソフトウェアやオンラインソフトウェアとして上記の学習処理を実行する学習プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の学習プログラムを情報処理装置に実行させることにより、情報処理装置を学習装置10として機能させることができる。ここで言う情報処理装置には、デスクトップ型又はノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やPHS(Personal Handyphone System)等の移動体通信端末、さらには、PDA(Personal Digital Assistant)等のスレート端末等がその範疇に含まれる。
11 記憶部
12 制御部
121 計算部
122 更新部
Claims (4)
- ニューラルネットワークの出力層の出力信号を変数とする出力関数であって、その対数をとることで得られる関数が非線形である出力関数を計算する計算部と、
前記出力信号に基づいて、前記出力関数の出力値が所望の値となるように、前記ニューラルネットワークのパラメータを更新する更新部と、
を有し、
前記計算部は、前記出力関数として、softmaxに含まれる指数関数を前記指数関数とパラメータを持たない所定の関数との積に置き換えた関数を計算することを特徴とする学習装置。 - 前記計算部は、前記出力関数として、softmaxに含まれる指数関数を、前記指数関数とシグモイド関数との積に置き換えた関数を計算することを特徴とする請求項1に記載の学習装置。
- コンピュータによって実行される学習方法であって、
ニューラルネットワークの出力層の出力信号を変数とする出力関数であって、その対数をとることで得られる関数が非線形である出力関数を計算する計算工程と、
前記出力信号に基づいて、前記出力関数の出力値が所望の値となるように、前記ニューラルネットワークのパラメータを更新する更新工程と、
を含み、
前記計算工程は、前記出力関数として、softmaxに含まれる指数関数を前記指数関数とパラメータを持たない所定の関数との積に置き換えた関数を計算することを特徴とする学習方法。 - コンピュータを、請求項1又は2に記載の学習装置として機能させるための学習プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018083122A JP7077746B2 (ja) | 2018-04-24 | 2018-04-24 | 学習装置、学習方法及び学習プログラム |
US17/045,765 US20210056418A1 (en) | 2018-04-24 | 2019-04-22 | Learning device, learning method, and learning program |
PCT/JP2019/017094 WO2019208523A1 (ja) | 2018-04-24 | 2019-04-22 | 学習装置、学習方法及び学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018083122A JP7077746B2 (ja) | 2018-04-24 | 2018-04-24 | 学習装置、学習方法及び学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019191868A JP2019191868A (ja) | 2019-10-31 |
JP7077746B2 true JP7077746B2 (ja) | 2022-05-31 |
Family
ID=68295321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018083122A Active JP7077746B2 (ja) | 2018-04-24 | 2018-04-24 | 学習装置、学習方法及び学習プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210056418A1 (ja) |
JP (1) | JP7077746B2 (ja) |
WO (1) | WO2019208523A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069455A (zh) * | 2020-09-16 | 2020-12-11 | 成都启英泰伦科技有限公司 | 一种log-softmax函数硬件加速计算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6509694B2 (ja) * | 2015-09-15 | 2019-05-08 | 株式会社東芝 | 学習装置、音声検出装置、学習方法およびプログラム |
US11574164B2 (en) * | 2017-03-20 | 2023-02-07 | International Business Machines Corporation | Neural network cooperation |
-
2018
- 2018-04-24 JP JP2018083122A patent/JP7077746B2/ja active Active
-
2019
- 2019-04-22 WO PCT/JP2019/017094 patent/WO2019208523A1/ja active Application Filing
- 2019-04-22 US US17/045,765 patent/US20210056418A1/en active Pending
Non-Patent Citations (3)
Title |
---|
巣籠 悠輔,「Deep Learning Javaプログラミング 深層学習の理論と実装」,初版,日本,株式会社インプレス,2016年10月11日,第41~66,109~121頁,ISBN: 978-4-8443-8128-0. |
武内,「線形代数I/要点/2章B-線形写像」,日本,[online], 筑波大,2006年05月10日,[令和3年10月16日検索], インターネット, <URL: https://dora.bk.tsukuba.ac.jp/~takeuchi/?線形代数I%2F要点%2F2章B-線形写像>. |
福田 修(外2名),「ニューラルネットによる連続動作EMGパターンの識別」,電気学会論文誌C,日本,社団法人電気学会,1997年09月20日,Vol.117-C, No.10,第1490~1497頁,ISSN: 0385-4221. |
Also Published As
Publication number | Publication date |
---|---|
WO2019208523A1 (ja) | 2019-10-31 |
US20210056418A1 (en) | 2021-02-25 |
JP2019191868A (ja) | 2019-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11275986B2 (en) | Method and apparatus for quantizing artificial neural network | |
WO2020045236A1 (ja) | 拡張装置、拡張方法及び拡張プログラム | |
WO2019155064A1 (en) | Data compression using jointly trained encoder, decoder, and prior neural networks | |
CN113570064A (zh) | 利用复合机器学习模型来执行预测的方法及系统 | |
CN110689139A (zh) | 用于机器学习的方法和计算机系统 | |
JP6831347B2 (ja) | 学習装置、学習方法および学習プログラム | |
WO2017176333A1 (en) | Batching inputs to a machine learning model | |
US11657284B2 (en) | Neural network model apparatus and compressing method of neural network model | |
Lee et al. | Oracle estimation of a change point in high-dimensional quantile regression | |
US20210334667A1 (en) | Optimizing gradient boosting feature selection | |
CN113723589A (zh) | 混合精度神经网络 | |
JP6767312B2 (ja) | 検知システム、検知方法及び検知プログラム | |
JP7077746B2 (ja) | 学習装置、学習方法及び学習プログラム | |
US20230016772A1 (en) | Checking device, checking method, and checking program | |
JP6835704B2 (ja) | 検知システム、学習方法及び学習プログラム | |
US11676050B2 (en) | Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees using leaf nodes | |
JP6810092B2 (ja) | 学習装置、学習方法及び学習プログラム | |
WO2021240661A1 (ja) | 学習装置、学習方法、推定装置、推定方法及びプログラム | |
CN111310823A (zh) | 目标分类方法、装置和电子系统 | |
WO2024009632A1 (ja) | モデル生成装置、モデル生成方法及びプログラム | |
JP2020042607A (ja) | 情報処理装置、サーバ、情報処理方法及び情報処理プログラム | |
WO2022070342A1 (ja) | 学習装置、学習方法及び学習プログラム | |
WO2022038722A1 (ja) | 重要度計算装置、重要度計算方法及び重要度計算プログラム | |
WO2024023947A1 (ja) | 学習装置、学習方法、および、学習プログラム | |
WO2024001344A1 (zh) | 基于云计算技术的目标函数求解方法、装置和计算设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200805 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211203 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220419 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220502 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7077746 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |