文献

J-GLOBAL ID：201702241587078924   整理番号：17A1034356

単層CNNにおけるテクスチャ生成のためのランダムな重みについて【Powered by NICT】

On random weights for texture generation in one layer CNNS

著者 (4件)： Mongia Mihir (Stanford University, United States of America) ,  Kumar Kundan (IIT Kanpur, India) ,  Erraqabi Akram (Montreal Institute for Learning Algorithms, Canada) ,  Bengio Yoshua (Montreal Institute for Learning Algorithms, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 2207-2211  発行年： 2017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： 文献における最近の研究は,自然テクスチャをモデル化するために訓練された畳込みニューラルネットワーク(CNN)の下層を使用することができることを実験的に示した。より興味深いことに,それはまた,ランダムフィルタを用いた唯一の層も少ない変動が集合組織をモデル化できることを実験的に示した。本論文では,なぜランダムフィルタを用いた1層CNNは発生組織においてそれほど有効でランダムな重みとpretrained量は画像の同じ型を生成するように,以前の文献で使用されているエネルギー関数と対になった1層畳込みアーキテクチャ(非線形性がない場合)を依存的に周波数係数を保持し,調節する事実であることを理論的に示すの問題を調べた。この解析の結果に基づいて,著者らは,非線形性をもつ一コンボリューション層を使用する場合における類似の特性かどうか疑問である。ReLu非線形性の場合に一つだけの入力は,考えられる最低のエネルギーを与えない場合が存在する非線形性の場合には,可能な最小エネルギーを与えるであろうことを無限の解が存在することが分かった。は特定の状況におけるReLu非線形性を添加変化の少ない画像を生成することを示した。Copyright 2017 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： 非線形性 ,  畳込み ,  画像 ,  *単一層 ,  周波数 ,  ニューラルネットワーク ,  下層 ,  計算機アーキテクチャ ,  モデリング ,  集合組織
準シソーラス用語： 最小エネルギー原理 ,  エネルギー関数 ,  *テクスチャ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 単層 ,  CNN ,  テクスチャ