リファレンスにノイズが乗った場合のノードパータベーション学習(確率モデル,統計,学習,神経ダイナミクス,一般)  [in Japanese] Node perturbation learning with noisy reference  [in Japanese]

ニューラルネットワークの学習法の一つであるノードパータベーション学習は,actor-critic型の強化学習の枠組みに適用できるため,実際の脳の中で使われているのではないかという期待がもたれている.ノードパータベーション学習は,摂動としてのノイズが与えられたもとでの出力の評価値とリファレンスとの差に基づいて結合加重を更新する学習法である.これまでノードパータベーション学習では,リファレンスとしてノイズが与えられない場合の評価値が用いられてきた.しかしながら,一般に神経活動には常にノイズが乗っているため,ノイズのないリファレンスが得られることは稀であると考えられる.本研究では,リファレンスにノイズが乗った場合の学習則を提案し,線形パーセプトロンを用いてその性能を解析的に評価した.その結果,リファレンスにノイズが乗った場合でも学習は成功し,さらにノイズがない場合と比べ残留誤差が出力素子数の分だけ減少することを示す.

We propose a node perturbation learning with noisy reference signal. Recently, the method for node perturbation has investigated without consideration of noise in reference signal. In biological system, however, noise plays an essential role and neural activities are intrinsically noisy. In this paper, we analyze a node perturbation with noisy reference used with linear perceptron. Learning succeeds even with the noisy reference. Proposed learning scheme reduces residual error in factor of output units compared to the noiseless cases.