ディープラーニングに用いる新しい畳み込み法－ＧＤsimilarity－の提案

抄録

畳み込みニューラルネットワーク（ＣＮＮ）では、畳み込み層において入力画像とフィルタの間の類似度を計算する。従来、この類似度の計算にはコサイン尺度が広く用いられている。しかし、ノイズやパターン歪が存在するときには、従来のコサイン尺度には各種の問題が発生する。本研究では、これらの問題を解決することを目的として、新しい畳み込み法―ＧＤsimilarity―を開発した。本論文では、最初に従来のコサイン尺度がもつ問題点について述べ、次にこれを改善するために類似性についての新しい数学モデルを提案し、最後にこの数学モデルを実現する新しいアルゴリズムについて述べる。本手法では、ノイズによる「ゆらぎ」をもつ入力画像とフィルタのピーク間に「ずれ」が生じたとき、「ゆらぎ」を吸収しながら「ずれ」の増加とともに単調増加する距離値が得られる。数値実験により、この新しいアルゴリズムが上記の数学モデルを実現することを確認した。さらに、このアルゴリズムを用いて音声の認識実験を行った結果、高い認識率が得られた。