@article{oai:ipsj.ixsq.nii.ac.jp:00014208,
 author = {落合, 慶広 and 戸田, 尚宏 and 臼井, 支朗 and Keihiro, Ochiai and Naohiro, Toda and Shiro, Usui},
 issue = {6},
 journal = {情報処理学会論文誌},
 month = {Jun},
 note = {ニューラルネット学習の加速化法として知られるJacobs法の収束の遠さは、学習率の更新則：DeIta-Bar-Delta則（DBD　則）に含まれる増減係数に依存しており、これらを適切に調整しなけれぱ十分な加速効果が得られない。しかしながら、この問題の原因等については一切明らかにされていない。本論文では収束が遅くなる原因を考察し、DBD則と慣性項を併用すると、評価関数曲面の谷においてDBD則による学習率の更新が適切に行われず、重みの振動を抑制できなくなることを明らかにする。次に、この問題点を解決した新しい学習率の更新則：Delta-Bar-DeIta-Bar則（DBDB則）を提案する。数値実験より、DBDB則を用いると、学習率の増減率を調整しなくても、最も速く収束する場合と同程度の速さで収束することを示す。},
 pages = {1081--1090},
 title = {ニューラルネットにおける学習率の新しい更新則　－Delta -Bar- Delta - Bar則－},
 volume = {35},
 year = {1994}
}