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。
畳込みニューラルネットワーク(CNN)はコンピュータビジョンにおいて大きな成功を示し,アプリケーション固有損失関数を介して特異的タスクのための訓練した場合人間レベル性能に近づいた。本論文では,学習された特徴である組成になるように,CNNを増大させると訓練方法を提案した。は環境からの,互いにから物体を解きほぐすことを表現を形成するネットワーク促進,より優れた汎化を促進した。著者らの方法は,それを適用した基礎となるCNNの特異的詳細に不可知論的で,原理的には任意のCNNに用いることができる。実験で示すように,学習された表現はより局在していることを活性化を特徴とし,物体認識タスクにおける非構成的ベースライン上での性能を改善するために導いた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】