重み予測を用いたMLPの初期化による少数例からのダイナミクス深層学習

抄録

ダイナミックシステムにおいて，そのシステムが取りうる全ての状態遷移が完璧に得られれば，論理的機械学習手法を用いて完璧なモデルが得られる．しかし実世界では，観測データや状態遷移を完璧に得られることが珍しい．一方，統計的機械学習も同様にデータ飢餓の問題がある．本研究では，重み予測を用いた多層パーセプトロンの初期化方法を提案する．重みを予測することにより，学習データが少ない場合でも過学習を避け，モデルの学習がうまくいくことを示す．