文献

J-GLOBAL ID：201602293901078855   整理番号：16A1210141

多値ニューラルネットワークのための多値自動エンコーダ【Powered by NICT】

Multi-valued autoencoders for multi-valued neural networks

著者 (2件)： Hata Ryusuke (Graduate school of Engineering, University of Fukui, Japan) ,  Murase Kazuyuki (Graduate school of Engineering, University of Fukui, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 4412-4417  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： データ次元を低減するために,ニューラルネットワークを用いたオートエンコーダはintonらによって提案されている。オートエンコーダは,入力,隠れ,出力層,入力と出力の間の誤差を最小化するために逆伝搬法による重みとバイアスを調整するから構成されている。学習された重みは,入力特徴を持ち,深いニューラルネットワークのpretrainingsに適用することができる。しかし,これらオートエンコーダは,実数値ニューラルネットワークを開発した。本研究では,著者らは複雑で四元数ニューラルネットワークのための複素部分空間と四元数オートエンコーダを提案した。複素オートエンコーダでは,入力,重量,実数値オートエンコーダのバイアスと出力を複素数に拡張した。四元数オートエンコーダでは,これらのパラメータは四元数に拡張した。手書き数字画像を用いた提案法の学習能力を示した。結果は,提案方法が実数値法として画像を認識できることを示した。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： 実数 ,  数字 ,  *符号器 ,  四元数 ,  画像 ,  逆伝搬法 ,  バイアス ,  複素数 ,  *ニューラルネットワーク ,  学習能力
準シソーラス用語： 手書き ,  部分空間 , 【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 (3件)： 多値 ,  ニューラルネットワーク ,  エンコーダ