適用製品
学習装置、機械学習プログラム、および機械学習方法
目的
ニューラルネットワークの統計的特徴によらず、ニューラルネットワークの性能を維持しながら、１つまたは少数の学習データを用いて、当該１つまたは少数の学習データに対応するクラスをニューラルネットワークに学習させる。
効果
Ｑｕａｎｔｉｌｅ正規化により、ニューラルネットワークの統計的特徴によらず、ニューラルネットワークの性能を維持しながら、１つまたは少数の学習データを用いて、当該１つまたは少数の学習データに対応するクラスをニューラルネットワークに学習させることができる。
技術概要
ニューラルネットワークが保存された記憶部と、
少なくとも１つの学習データに対応する特定クラスを前記ニューラルネットワークに学習させる制御部とを備え、
前記ニューラルネットワークは、前記少なくとも１つの学習データを受ける入力層と、複数のクラスにそれぞれ対応する複数のニューロンを含む出力層と、前記入力層と前記出力層との間に接続された少なくとも１つの隠れ層とを含み、
前記制御部は、
前記少なくとも１つの学習データについて前記少なくとも１つの隠れ層から前記出力層へそれぞれ出力される少なくとも１つの活性値ベクトルから、前記特定クラスに対応する特定活性値ベクトルを算出し、
前記出力層の重み行列を基準分布として参照するＱｕａｎｔｉｌｅ正規化を前記特定活性値ベクトルに対して行って正規化ベクトルを算出し、
前記正規化ベクトルを前記重み行列に追加し、
前記特定クラスに対応するニューロンを前記出力層に追加する、学習装置。
基本情報
開放特許情報
)
登録者情報
その他の情報
