7V-03
ニューラルネットワークの重みパターンの分析と初期値設定手法の提案
ニューラルネットワークの重みの初期値は,モデルの学習時間に影響を及ぼすため,重みの初期分布の決定法や,転移学習,メタラーニングなど,様々なアプローチで,その分析が進んでいる.例えば,転移学習は,学習済みのモデルの重みを初期値とすることで,少ない学習回数で新たなタスクに適応する手法である.しかし,学習後の重みは,学習対象により異なるため,初期値として設定した学習済み重みが最適であるとは限らない.本論文では,学習後のネットワークの重みは共通する特徴パターンを保持していると考え,そのパターンに基づいた初期値設定手法の可能性を検討する.