文献

J-GLOBAL ID：201702234012337506   整理番号：17A0754595

クラス保存に基づく新しい正則化された制限されたボルツマンマシン【Powered by NICT】

A new regularized restricted Boltzmann machine based on class preserving

著者 (4件)： Hu Junying (The School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an,710049, China) ,  Zhang Jiangshe (The School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an,710049, China) ,  Ji Nannan (Department of Mathematics and Information Sciences, Chang’an University, Xi’an 710054, China) ,  Zhang Chunxia (The School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an,710049, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 123  ページ： 1-12  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 制限付きBoltzmannマシン(RBM)は,特徴抽出器は完全に教師なし学習方法でデータ特徴を自動的に抽出するとして用いることができることが知られている。本論文では,クラス情報,クラスとして保存RBM(CPr RBM)を添加することにより新しい正則化RBMを開発した。具体的には,抽出された特徴に明確に反映されクラス情報を作るためにRBMの二制約を課している。制約の1つは,同じクラスの特徴間の距離を減少させることができる,もう1つは異なるクラスの特徴間の距離を増加させることができる。二制約がRBMにクラス情報を導入し,抽出された特徴は良好な分類結果に寄与するよりカテゴリー情報を含んでいるものにしている。実験はMNISTデータセットとnewgroupデータセット,CPr RBMはより判別表現を学習することを示し,分類問題を扱う他の関連する最先端のモデルよりも性能が優れているを行った。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 教師なし学習 ,  *正則化 ,  *Boltzmannマシン ,  学習 ,  特徴抽出

著者キーワード (3件)： 制限されたボルツマンマシン ,  特徴学習 ,  クラス保存

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： クラス ,  保存 ,  正則化 ,  制限 ,  ボルツマンマシン