WEKO3
アイテム
部分ドロップアウト法を用いたBayesian Neural Networkの改良
https://ipsj.ixsq.nii.ac.jp/records/241488
https://ipsj.ixsq.nii.ac.jp/records/241488c7ac2683-23e5-4234-bf60-ed0ec310b165
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-MPS24151008.pdf (1.4 MB)
2026年12月2日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, MPS:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-12-02 | |||||||||
| タイトル | ||||||||||
| タイトル | 部分ドロップアウト法を用いたBayesian Neural Networkの改良 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Improvement of Bayesian Neural Network Using Partial Dropout | |||||||||
| 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 | ||||||||||
| 名古屋大学大学院情報学研究科 | ||||||||||
| 著者所属 | ||||||||||
| 名古屋大学大学院情報学研究科 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Graduate School of Informatics, Nagoya University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Graduate School of Informatics, Nagoya University | ||||||||||
| 著者名 |
小松, 優治
× 小松, 優治
× 北, 栄輔
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | モンテカルロドロップアウト法は，ニューラルネットワーク (NN) で構成した予測モデルに対して，推論時にドロップアウトを用いたサンプリングを行うことでベイズ推定を行う．モンテカルロドロップアウト法は，実装が比較的容易であるが，評価のために多数のサンプリングを行う必要があり，計算コストが大きい．そこで，本研究では，モンテカルロドロップアウト法に基づく BNN の計算コストを改善する方法について述べる．提案手法では，モンテカルロドロップアウト法を用いてサンプリングするノードの範囲を限定することで計算コストを小さくする．これを部分モンテカルロドロップアウト法と呼ぶことにする．多層パーセプトロンモデルによる回帰問題に適用した結果，部分モンテカルロドロップアウト法を用いることで計算コストが下げるとともに，計算精度を向上する可能性があることがわかった． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | The Monte Carlo dropout method perfroms Bays estimation by sampling evaluation using dropouts at the time of inference for the traditional Neural Network (NN) model. It is relatively easy to implement, but necessary to Perform a number of sampling for evaluation. This study describes the improvement of the computational cost of BNN based on the partial Monte Calro dropout method, in which the computational cost is reduced by limiting the number of the hyperparameters sampled by the Monte Calro dropout method. The effectiveness of the method is discussed in the multilayer perceptron model, and it was found that the use of the partial Monte Calro dropout method not only reduces the computational cost but also improves the computational accuracy. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10505667 | |||||||||
| 書誌情報 |
研究報告数理モデル化と問題解決（MPS） 巻 2024-MPS-151, 号 8, p. 1-6, 発行日 2024-12-02 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8833 | |||||||||
| 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 | |||||||||
