時間変化するデータのための安定した深層学習

音声認識や機械翻訳などの時系列データを解析するリカレントニューラルネットワーク（RNN）の学習を安定化する技術です。RNN は深層学習技術の一つであり、時系列データを高精度に推定、解析できます。
しかし、 RNN には学習が困難であるという問題があり、学習を成功させるためには試行錯誤やノウハウを必要とします。本研究では、 RNN の一つであるGated Recurrent Unit（GRU）に着目し、その学習が失敗する原因を解析するとともに、学習を安定化するアルゴリズムを考案しました。
本研究によって、学習に必要であった試行錯誤を削減して時間短縮が可能となるほか、より多くのユーザが RNN を使ってデータを解析できるようになることが期待されます。

ポスターの画像をクリックすると、PDFファイルが開きます。