Deep Learningが獲得する特徴表現の理解と利用に向けた中間層情報の活用

抄録

高い学習性能を発揮して注目を集めているDeep Learningはその階層構造に伴う段階的な特徴抽出が本質的であるが、中間層で獲得した特徴表現の理解と利用はまだまだ限定的で発展の余地が大きい。 本研究では、この問題にアプローチする一手段として、学習した重み行列を用いた重要ノード・類似ノードの特定や、各中間層の出力値に基づくクラスタリングを用いて層毎にどのような分類規則を獲得するかの解析を行った。