学習率変化と忘却効果を取り入れた構造適応型Deep Belief Network学習による検診データの分類

摘要

複数のRBMから構成されるDBNは，深層学習法の一つとして知られているが，RBMやDBNは，学習前に様々なパラメタやニューロン数，層数等を決めなければならない．我々は，入力データに応じて学習中にネットワーク構造を自動で定める構造適応型学習法を提案した．本論文では，本学習法を適用した後に学習係数や忘却学習を適用した結果，分類精度の向上が見られた．画像ベンチマークデータセットや健康診断結果データに適用した結果を報告する．