WEKO3
アイテム
効率的な転移学習のための学習モデル構築およびモデル選択手法
https://ipsj.ixsq.nii.ac.jp/records/189777
https://ipsj.ixsq.nii.ac.jp/records/18977783b95372-bb90-4f22-888a-03b2ab0b28e7
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
|
|
Copyright (c) 2018 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2018-06-07 | |||||||||
| タイトル | ||||||||||
| タイトル | 効率的な転移学習のための学習モデル構築およびモデル選択手法 | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 機械学習 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 東京大学大学院情報理工学系研究科 | ||||||||||
| 著者所属 | ||||||||||
| 東京大学大学院情報理工学系研究科 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Graduate School of Information Science and Technology, The University of Tokyo | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Graduate School of Information Science and Technology, The University of Tokyo | ||||||||||
| 著者名 |
上野, 洋典
× 上野, 洋典
× 近藤, 正章
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 畳み込みニューラルネットワークによる画像認識において,訓練データが十分に得られない場合に大規模なデータセットで学習済みのモデルを対象とするデータセットの学習へと転用する転移学習が有効であることが知られている.この際に,転用元の学習モデルと転用先のデータセットとの関連性が高いほど,転移学習が成功しやすいと考えられている.本稿では,効率的な転移学習を行うために,あるモデルが獲得した特徴量に着目し,各モデルと対象データセットとの親和性を定量化するための指標をいくつか検討する.また,種々の転用元となる学習モデルをあらかじめ構築しておくためのデータセット構築手法についても検討する.評価の結果,提案した指標のいくつかにもとづき転用元モデルを選択することで,効率的に転移学習が行えることが確認できた. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10096105 | |||||||||
| 書誌情報 |
研究報告システム・アーキテクチャ(ARC) 巻 2018-ARC-231, 号 11, p. 1-8, 発行日 2018-06-07 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8574 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||