4P-01
実環境データの再帰型神経回路モデル学習における評価手法の提案
○東　直人，村田真悟，有江浩明，尾形哲也（早大）
本発表では Recurrent Neural Network（RNN）について，内部状態の位相線図を利用した新しい学習評価手法を提案し，教示手法について検討した結果を報告する．RNNは，近年，言語やセンサデータなどの学習に応用されているが，ノイズを含む実データでは学習誤差のみでRNNの状態を評価することは適切でない場合がある．そこで本研究では学習後のRNNを長期にリハーサルさせた際の位相線図を可視化することで，その学習状態を評価する手法を提案した．本手法を，ノイズを加えたリサージュカーブや人間動作の学習に適用しその効果を確認した．
footer 著作権について 倫理綱領 プライバシーポリシー セキュリティ 情報処理学会