情報処理学会 第79回全国大会講演要旨

統計的機械学習のモデルの一種である制限ボルツマンマシンは, 深層学習の基礎モデルとして現在盛んに研究されている. 制限ボルツマンマシンは観測データと対応した可視変数と, 観測データと対応しない隠れ変数からなる確率モデルである. 可視変数は観測データに応じて設計しなければならないが, 隠れ変数は観測データによらず自由に設計することができる. この隠れ変数を複雑化することにより制限ボルツマンマシンの表現を複雑にすることができるが, 隠れ変数は慣習的に二値変数が用いられている. 本講演では隠れ変数を多値や連続値を用いた場合, 二値の場合と比較して制限ボルツマンマシン学習の汎化誤差を低減できたことを紹介する.