文献

J-GLOBAL ID：201602242737332454   整理番号：16A1209671

テクスチャ分類のためのディープニューラルネットワークの理論的解析【Powered by NICT】

A theoretical analysis of Deep Neural Networks for texture classification

著者 (7件)： Basu Saikat (Louisiana State University, USA) ,  Karki Manohar (Louisiana State University, USA) ,  Mukhopadhyay Supratik (Louisiana State University, USA) ,  Ganguly Sangram (NASA Ames Research Center, USA) ,  Nemani Ramakrishna (NASA Ames Research Center, USA) ,  DiBiano Robert (Autopredictive Coding LLC, USA) ,  Gayaka Shreekant (Applied Materials, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 992-999  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： テクスチャ特徴であるクラス条件付き識別表現を生成するための重要な画像データセットの分類のための深層ニューラルネットワークの使用を検討した。この目的のために,筆者らは最初に入力データセットから抽出されたいくつかの標準テクスチャ特徴のための特徴空間の大きさを導き,次に手作り特徴抽出は総合的な過剰誤り率を減少させるのに役立つ低次元表現を生成することを示すために,Vapnik-Chervonenkis次元の理論を用いた。この解析に当然の結果として,著者らは畳込みニューラルネットワークと同様にドロップアウトとDropconnectネットワークのVC次元の上限とドロップアウトとDropconnectネットワークの過剰誤り率の間の関係を初めて導いた。固有次元の概念を用いて,手書き数字または他の物体認識データセットと比較して,テクスチャベースデータセットは本質的に高次元という直感を検証することである,ニューラルネットワークによる粉砕が困難である。をn次元多様体の最近接及び最遠サンプリング点に重心からの平均距離を導出し,基本的なベクトル空間の次元として消失するサンプルデータの相対的コントラストが無限大に近づくことを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ニューラルネットワーク ,  物体認識 ,  誤り率 ,  高次元 ,  コントラスト ,  数字 ,  畳込み ,  特徴抽出 ,  重心 ,  *ネットワーク
準シソーラス用語： VC次元 ,  特徴空間 ,  画像データ ,  テクスチャ特徴 ,  *テクスチャー分類 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： テクスチャ分類 ,  ディープニューラルネットワーク ,  理論 ,  解析