• ビジネス
  • IT
  • テクノロジー
  • 医療
  • 建設・不動産
  • TRENDY
  • WOMAN
  • ショッピング
  • 転職
  • ナショジオ
  • 日経電子版
  • 日経BP

HOME有料会員向けトップ > 《日経Robo》Variational Walkback、再帰確率的ニューラルネットで生成、認識を行う

日経Robotics 2018年2月号

AI最前線

《日経Robo》Variational Walkback、再帰確率的ニューラルネットで生成、認識を行う

PFN岡野原氏によるAI解説:第31回

  • 岡野原 大輔=Preferred Networks 取締役副社長
  • 2018/01/10 00:00
  • 1/2ページ

出典:日経Robotics、2018年2月号、pp.36-38(記事は執筆時の情報に基づいており、現在では異なる場合があります)

本記事はロボットとAI技術の専門誌『日経Robotics』のデジタル版です
著者の岡野原大輔氏
著者の岡野原大輔氏

 ニューラルネットワークは多くの問題を解くことができるが、より困難な問題を解くには、複雑な確率分布に基づいたサンプリングや推論ができ、尤度評価ができ柔軟性の高いニューラルネットワークが必要とされている。さらにこうしたニューラルネットワークは教師なしデータを使って学習可能であることが望まれる。

 現在、確率分布を扱うニューラルネットワークは2つに大別される。

  1つ目は有向グラフィカルモデルに基づいた確率モデル(変分自己符号化器(VAE)、敵対的生成モデル(GAN)など)であり、データ分布に従って高速にサンプリングできるという特徴がある。

  2つ目は無向グラフィカルモデルから導出されるエネルギー関数に基づいた確率モデル(ボルツマンマシン、ホップフィールドネットワークなど)である。

 この場合、観測変数や潜在変数間の依存関係を直接、設計できるという特徴がある。しかし、サンプリングをするためには、エネルギー関数から導出されるMCMC(マルコフ連鎖モンテカルロ法)を使ってサンプリングする必要があり、時間がかかる。また、このエネルギー関数に対応するニューラルネットワークの重みは対称(Wi,j=Wj,i)であるという強い制約を課する。脳内の領域間は双結合はみられるが、重みに対称性があるとは考えられていない。そのため、脳がこのようなエネルギー関数に基づいた確率分布を扱っていることは考えられない。

おすすめ

あなたにおすすめ