抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】