GS7-1　最小経路数に基づく構造探索を導入したブロック構造ニューラルネットワーク学習法

◎乘松直人，小圷成一，岡本　卓（千葉大学）

ハードウェアを環境に応じて進化させる進化型ハードウェア（EHW）のモデルとして，ハードウェア上に進化的構築が可能なブロック構造ニューラルネットワーク（BBNN）が提案されている。BBNNは高い拡張性と学習可能な構造を持ち，重みを整数に制限してFPGAへの実装を容易化している。BBNNの学習は，ネットワークの構造と重みをビット列で表現し，遺伝的アルゴリズム（GA）により同時に最適化して行うが，効率的な学習が行われるとは限らない。そのため，適切な構造を求めた後，その構造で重みの学習を行う，二段階最適化が必要となる。本稿では，ネットワーク構造を評価するための指標として，入力から出力に至るフローの最小経路数を提案し，ネットワークの構造探索に応用する。提案手法では，GAにより最小経路数を最大化するように探索を行い，重み学習を行う構造を決定する。このように二段階最適化を行い，その有効性を確認する。