抄録
CF-005
多層ニューラルネットにおける正負の結合重みに基づく大局構造抽出
多層ニューラルネットにおける正負の結合重みに基づく大局構造抽出
深層ニューラルネットは様々な応用において，優れた認識・予測性能を実現してきたが，その推論は多くの非線形なパラメータから構成されており，人間が理解することは難しい．そこで，我々はネットワーク解析に基づき，学習後のニューラルネットから大局的な構造を抽出する手法を提案した．この手法では，似た結合パターンを持つユニットを分類することにより，ニューラルネットの単純化を可能としたが，一方で複雑な隠れ構造を持つニューラルネットに対しては適切にユニットの分類を行えない場合があった．本研究では，この問題に対し，正負の結合を区別した新たな確率モデルを用いてニューラルネットの大局構造を抽出する手法を提案する．
