組織

専攻

附属センター

関連連携研究機構

関連学部

非等方的な入力がもたらす非線形ニューラルネットワークの段階的な学習

荒田隼輝

（指導教員：定兼邦彦教授／数理情報第2研究室）

資料PDF（arata.pdf）
研究概要

入力のスケールに偏りがある場合の学習の特徴
非線形全結合ニューラルネットワークの入力が非等方的な場合の学習の性質を解析した．入力のスケールが大きい成分ほど学習が早く進むことを示した．入力のスケールが大きく偏っている場合には，学習が段階的に進み，テスト誤差の二重降下が発生することを確認した．
修論の感想

研究の難しさと楽しさを知ることができた2年間でした．指導いただいた先生方に感謝申し上げます．

>
ISTyくん

東京大学 THE UNIVERSITY OF TOKYO

Copyright © 2019 　Graduate School of Information Science and Technology, The University of Tokyo