@article{oai:ipsj.ixsq.nii.ac.jp:00239727,
 author = {葛谷, 直規 and 長尾, 智晴 and Naoki, Kuzuya and Tomoharu, Nagao},
 issue = {3},
 journal = {情報処理学会論文誌数理モデル化と応用（TOM）},
 month = {Sep},
 note = {近年，様々な分野でニューラルネットが用いられるようになっている．一方で，ニューラルネットの学習には多大な時間と計算リソース，そして高いスキルが必要となり，開発者の負担になっている．そのため，あらかじめ大規模データセットで学習された学習済みモデルの利用が広がっているが，それらのモデルが所望の精度を満たすとは限らない．そのような場合，さらに精度の良いモデルを探索する必要があり，煩雑で時間がかかる．そこで，一般的な学習済みネットワークのアーキテクチャはそのままに，演算ノードをより柔軟ではあるが機能的には等価なノードに置換し，再学習させることで精度向上を実現させる手法を提案する．具体的には，ネットワーク中の線形変換やRectified Linear Unit（ReLU）活性化関数を，それらの関数の上位集合であるBスプライン関数で置き換えて，再学習を行うことで精度向上させる手法を提案する．いくつかの分類問題で明らかな精度向上を確認した．, In recent years, the use of neural networks has become popular in many fields. On the other hand, training neural networks requires a large amount of time, computational resources, and high skills, which places a burden on developers. For this reason, the use of pre-trained models trained in advance on large-scale datasets are widely used. However, the problem is that these models do not always meet the desired accuracy. In such cases, it is necessary to search for a better model, which is cumbersome and time-consuming. Therefore, we propose a method to improve accuracy by replacing the computation nodes of a pre-trained network with more flexible, but functionally equivalent nodes and re-training them, while maintaining the original network architecture. Specifically, we propose a method to improve accuracy by replacing linear transformations and Rectified Linear Unit (ReLU) activation functions with B-spline functions, which are a superset of these functions, and re-training them. We confirmed a significant improvement in accuracy for some classification tasks.},
 pages = {13--24},
 title = {Bスプライン関数を用いた演算ノード柔軟化による学習済みニューラルネットの精度向上手法},
 volume = {17},
 year = {2024}
}