@techreport{oai:ipsj.ixsq.nii.ac.jp:00102643,
 author = {園田, 翔 and 村田, 昇 and Sho, Sonoda and Noboru, Murata},
 issue = {24},
 month = {Aug},
 note = {二ューラルネットの新規学習法を提案する．Murata によるニューラルネットの積分表現に基づき，中間層素子パラメータの確率分布 （オラクル分布） を具体的に計算するアルゴリズムを構築する．オラクル分布に従ってサンプルを生成することで，バックプロパゲーションの有力な初期値を与えられる．一般に，オラクル分布からのサンプリングは数値的に不安定だが，近似的に線形時間でサンプリングする方法を開発した．人工データおよび実データに対するベンチマークでは，正規分布を用いて初期化する方法と比較して，高速にバックプロパゲーションが収束することを示した．, A new sampling learning algorithm for neural networks is proposed. Based on the integral representation of neural networks, a practical algorithm for calculating an oracle probability distribution of hidden parameters is developed. The samples drawn from the oracle distribution would be good initial parameters for backpropagation. In general rigorous sampling from the oracle distribution holds numerical difficulty, a linear-time sampling algorithm is also developed. Numerical experiments showed that when hidden parameters were initialized by the oracle distribution, following backpropagation converged faster to better parameters than when parameters were initialized by a normal distribution.},
 title = {オラクル分布を用いたサンプリング学習アルゴリズム},
 year = {2014}
}