文献

J-GLOBAL ID：201702228171316647   整理番号：17A0096049

動的成長の自己組織化ニューラルネットワークの点群再構築技術【JST・京大機械翻訳】

Dynamic Growing Self-organizing Maps for Surface Reconstruction from Point Clouds

著者 (4件)： Zhang Yue (School of Mechanical Engineering, Nanjing University of Aeronautics and Astronautics) ,  Dai Ning (School of Mechanical Engineering, Nanjing University of Aeronautics and Astronautics) ,  Liu Hao (School of Mechanical Engineering, Nanjing University of Aeronautics and Astronautics) ,  Li Dawei (School of Mechanical Engineering, Nanjing University of Aeronautics and Astronautics)
資料名： Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao  (Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao)
巻： 28  号： 9  ページ： 1489-1496  発行年： 2016年 
JST資料番号： W1498A  ISSN： 1003-9775  CODEN： JFTXFX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 自己組織化特徴マップ(ネットワーク)アルゴリズムにおける点クラウド再構成技術の品質,収束速度,および表面精度を改善するために,動的自己組織化ニューラルネットワークアルゴリズムを提案する。まず第一に,自己組織化神経回路網アルゴリズムに基づいて,ニューラルネットワークのマッピング構造としての三角形メッシュを構築し,トポロジー的近傍のリンク数を正確に選択し,多くの規則ノードを訓練することによって,ネットワークノードの分割を実現し,ネットワーク構造の固定性を変化させた。そして,不安定なグリッドノードを削除した。次に,格子点を最適化し,入力点と離散点の間のより緊密な関係を維持し,より良い点雲再構成結果を得た。自己組織化特性マッピングアルゴリズムと比較して,このアルゴリズムは計算量を減少させ,ネットワークトレーニングの収束速度と再構築の表面精度を改善し,特に大規模な点雲データあるいは多数の再構成データを含む再構成に対してより効果的である。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  *ネットワーク ,  計算量 ,  神経回路網 ,  *点群 ,  ネットワーク構造 ,  アルゴリズム ,  *再構成 ,  *自己組織化 ,  位相幾何学 ,  自己組織化特徴マップ ,  最適化
準シソーラス用語： ネットワークノード ,  三角形メッシュ ,  収束速度 , 【Automatic Indexing@JST】

著者キーワード (4件)： self-organizing feature map ,  dynamic growth ,  point clouds reconstruction ,  rate of convergence

分類 (2件)： 音波伝搬  (BB03030G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 成長 ,  自己組織化 ,  ニューラルネットワーク ,  点群 ,  再構築