情報処理学会 第87回全国大会

2M-01
学習モデルの情報理論的分析に基づく学習早期終了タイミングの検知
○栗林 諒,関本快士,安田宗樹(山形大)
過学習は機械学習における最大の問題の一つであり、学習早期終了は過学習を避けるための有効な手段の一つである。学習の早期終了タイミングは、通常、検証データ(またはテストデータ)に対する性能評価で判断される。本研究の目的は、学習モデル内部の統計的性質のみからの早期終了タイミング検知を実現することである。この研究が成功すれば、学習に検証データなどの付加的な情報が究極的には不要となり、例えば、少データ学習問題への恩恵となる。確率的3層ニューラルネットワークを例に、その内部(つまり、中間層)の統計的性質を情報理論的に分析し、適切な早期終了タイミング検知の可能性について議論する。