エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
高速深層学習に対応、物理ニューラルネットワークの学習アルゴリズムを開発
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
高速深層学習に対応、物理ニューラルネットワークの学習アルゴリズムを開発
日本電信電話(NTT)は2023年1月10日、東京大学との共同研究により、物理深層学習のための新たな学習ア... 日本電信電話(NTT)は2023年1月10日、東京大学との共同研究により、物理深層学習のための新たな学習アルゴリズムを開発したと発表した。深層ニューラルネットワーク(NN)と物理系を計算過程に使う物理NNに適した学習アルゴリズムで、その有効性を確認した。 高度なAI(人工知能)技術の基盤となる深層NNでは、これまで高負荷な学習計算をデジタル演算で実行してきた。研究チームは今回、デジタル計算機の性能向上を図るため、物理NNに適した「拡張DFA法」と呼ばれる学習アルゴリズムを考案した。 拡張DFA法では、NNの最終層の誤差信号にランダム行列で線形変換を実施し、その数値をベースとして、学習パラメーターを更新して学習を進める。誤差逆伝搬(BP)法で行われる物理系の状態計測や微分応答の物理シミュレーションによる近似を必要とせず、光回路などの物理系上で実行できる。推論に加えて学習も物理系で計算できるた