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。
人手で設計したおよび学習両方,特徴表現を解析し,解釈するのが難しことが多い,視覚データから抽出した。は畳込みニューラルネットワークと反転による画像表現を研究するための新しいアプローチを提案した。法を適用した浅い表現(HOG, SIFT, LBP)だけでなく,深層ネットワーク。浅い表現に対して筆者らのアプローチが既存の方法よりも有意に良好な再構成を提供する,これらの特徴に含まれる豊富な情報を驚くほどであることを明らかにした。ImageNet上で訓練された深いネットワークを反転ネットワークにより学習された特徴表現の性質へのいくつかの洞察を提供した。最も驚くべきことに,色とイメージの粗い等高線は,より高いネットワーク層における活性化と予測されたクラス確率からも再構成できる。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】