文献

J-GLOBAL ID：201602242592951800   整理番号：16A1209669

MSC Winner-Take-All:パターン認識のための新しい学習規則【Powered by NICT】

Margined Winner-Take-All: New learning rule for pattern recognition

著者 (1件)： Fukushima Kunihiko (Fuzzy Logic Systems Institute, Iizuka, Fukuoka 820-0067, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 977-984  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： ネオコグニトロン視覚パターンのロバストな認識をするように訓練できることも深い(多層)畳込みニューラルネットワークである。ネオコグニトロンの中間層では,局所的特徴は,入力パターンから抽出した。最深層では,中間層に抽出した特徴に基づいて,入力パターンがクラスに分類される。IntVec(内挿ベクトル)と呼ばれる手法を,この目的のために使用されている。最深層を訓練するためのmargined Winner-Take-All(mWTA)と呼ばれる新しい学習ルールを提案した。時間は訓練パターンは学習中に提示した場合,WTA(winner-take-all)による認識の結果は,誤差が生じた場合,最も深い層で発生する新しいセル。WTAに余裕のある量をした。言い換えれば,学習時にのみ,一定量の障害が訓練ベクトルのそれよりも他のクラスの細胞に与えられるものであり,勝者はこの障害下で選択した。WTAにマージンを導入することにより,細胞のコンパクト集合,高い認識率は小さな計算コストで得られるを生成することができる。mWTAの能力を計算機シミュレーションにより実証した。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： ロバスト性 ,  計算機シミュレーション ,  *学習 ,  ベクトル ,  視覚 ,  畳込み ,  深層 ,  ニューラルネットワーク ,  *パターン認識 ,  内挿法 ,  計算コスト ,  中間層 ,  ネオコグニトロン ,  計算機利用 ,  利用
準シソーラス用語： 認識率 ,  入力パターン , 【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 (5件)： MSC ,  ALL ,  パターン認識 ,  学習 ,  規則