超参数调整装置、记录有超参数调整程序的非暂时性记录介质以及超参数调整程序制造方法及图纸

超参数调整装置具有：学习处理部(24)，其以将第一NN(16)的超参数集作为输入、并输出学习后性能方式使第二NN(18)学习，该学习后性能是设定有该超参数集的学习完成的第一NN(16)的性能；GA处理部(26)，其通过将第一NN(16)的超参数集作为个体、将设定有该超参数集的第一NN(16)的学习后性能所对应的值作为适应度的遗传算法，调整第一NN(16)的超参数集。在该遗传算法的各代的处理中，与各超参数对应的第一NN(16)的学习后性能是使用第二NN(18)来获取的。的。的。

【技术实现步骤摘要】
【国外来华专利技术】超参数调整装置、记录有超参数调整程序的非暂时性记录介质以及超参数调整程序


[0001]本专利技术涉及超参数调整装置、记录有超参数调整程序的非暂时性记录介质以及超参数调整程序。

技术介绍

[0002]以往，已知有神经网络(以下，在本说明书中有时称为“NN(Neural Network)”)。NN是指模仿大脑功能而构成的模型，其具有将多个层连接而成的结构，所述层包括一个或多个被称为神经元的节点。NN是基于输入数据推测与该输入数据对应的输出数据并将其输出的模型。
[0003]通过使用学习数据使NN学习，NN能够输出与未知的输入数据对应的高精度的输出数据。随着NN的学习处理的不断进行，NN所具有的参数被不断地调整(改变)。作为通过学习处理而改变的NN的参数，例如有对将神经元之间连接的边缘定义的权重、对各神经元定义的偏差等。
[0004]在NN所具有的参数中，除了上述的权重、偏差之外，还具有通过学习处理而改变的参数。这样的参数被称为超参数。作为超参数，包括但不限于例如训练轮数(epoch)(一个学习数据的重复使用次数)、隐藏层数(除了位于本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种超参数调整装置，其特征在于，具有：学习处理部，其以将第一神经网络的超参数集作为输入并输出学习后性能的方式使学习器学习，所述学习后性能是设定有该超参数集的学习完成的所述第一神经网络的性能；以及超参数调整部，其基于将所述第一神经网络的多个超参数集分别输入至学习完成的所述学习器而得到的、分别设定有该多个超参数集的多个所述第一神经网络的所述学习后性能，调整所述第一神经网络的超参数集。2.根据权利要求1所述的超参数调整装置，其特征在于，所述超参数调整部通过启发式搜索方法来调整所述第一神经网络的超参数集，所述启发式搜索方法使用了将所述第一神经网络的多个超参数集分别输入至学习完成的所述学习器而得到的、分别设定有该多个超参数集的多个所述第一神经网络的所述学习后性能。3.根据权利要求2所述的超参数调整装置，其特征在于，所述超参数调整部是通过遗传算法来调整所述第一神经网络的超参数集的遗传算法处理部，所述遗传算法将所述第一神经网络的超参数集作为个体，将向学习完成的所述学习器输入该超参数集而得到的、设定有该超参数集的学习完成的所述第一神经网络的所述学习后性能所对应的值作为适应度。4.根据权利要求1至3中任一项所述的超参数调整装置，其特征在于，还具有：学习器参数确定部，...

【专利技术属性】
技术研发人员：河尻耕太郎，
申请(专利权)人：艾佐斯株式会社，
类型：发明
国别省市：