Item type |
SIG Technical Reports(1) |
公開日 |
2020-03-09 |
タイトル |
|
|
タイトル |
深層学習のハイパパラメータ最適化における Nelder-Mead 法の初期値評価 |
言語 |
|
|
言語 |
jpn |
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 |
|
|
|
近畿大学 |
著者所属 |
|
|
|
産業技術総合研究所人工知能研究センター |
著者所属 |
|
|
|
産業技術総合研究所人工知能研究センター/株式会社サイバーエージェント |
著者所属 |
|
|
|
産業技術総合研究所人工知能研究センター/グリー株式会社 |
著者所属 |
|
|
|
産業技術総合研究所人工知能研究センター |
著者所属 |
|
|
|
近畿大学 |
著者名 |
竹長, 慎太朗
渡邊, 修平
野村, 将寛
尾崎, 嘉彦
大西, 正輝
波部, 斉
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
深層学習においてハイパパラメータは精度向上に大きな影響を与え,Nelder-Mead 法は深層学習のハイパパラメータ最適化手法において高い探索性能を持つことが知られている.一般的には,Nelder-Mead 法の初期シンプレックスはランダムに決定されることが多いが,探索性能は初期シンプレックスの形状に依存するため適切な初期シンプレックスを決める必要がある.これまで,Pfeffer,Nash,Han,Varadhan らは探索範囲内に,シンプレックスを生成するための一つの開始点を決め,そこから初期シンプレックスを生成する手法を提案している.本研究では,これらの初期シンプレックスの生成手法が深層学習の精度向上にどのように貢献するかを明らかにする. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11131797 |
書誌情報 |
研究報告コンピュータビジョンとイメージメディア(CVIM)
巻 2020-CVIM-221,
号 28,
p. 1-6,
発行日 2020-03-09
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8701 |
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 |