[1S3-GS-2] 機械学習：

[1S3-GS-2-04] 深層アンサンブル学習における動的負相関学習

〇髙間 大武¹、柘植 俊亮¹、長谷川 達人¹ (1. 福井大学大学院工学研究科)

キーワード：深層アンサンブル学習、負相関学習

深層学習モデルの汎化性能を向上させる手法として，複数のモデルを組み合わせる深層アンサンブル学習が広く活用されている．アンサンブル学習の効果を最大化するには，各モデルが異なる出力分布をとる「多様性」が重要であり，この多様性を確保と精度の向上を両立することが求められる．本研究では，学習中に多様性と精度のバランスを動的に調整する新手法「動的負相関学習（DNCL）」を提案する．従来の手法では，このバランスを調整するパラメータが固定されているため，学習状況に応じた柔軟な対応が困難であった．一方，DNCLは学習の進行に応じてパラメータを動的に調整することで，アンサンブル性能の向上を目指す．画像認識タスクを用いた実験により，DNCLが従来手法を上回る性能を達成することを確認した．また，モデル規模やタスク難易度に応じてパラメータの推移が異なることも明らかとなり，本手法がさまざまなモデルやデータセットに適応可能であることが示唆された．