文献

J-GLOBAL ID：201702246156621941   整理番号：17A1257381

多値ニューロンを用いた畳込みニューラルネットワーク【Powered by NICT】

Convolutional neural networks with multi-valued neurons

著者 (3件)： Kominami Yuki (Graduate School of Engineering, University of Fukui, 3-9-1 Bunkyo, Fukui-shi, Fukui 910-8507, Japan) ,  Ogawa Hideki (Aisin AW Industries Co., Ltd., Echizen-shi, Fukui 910-8520, Japan) ,  Murase Kazuyuki (Faculty of Engineering, University of Fukui, 3-9-1 Bunkyo, Fukui-shi, Fukui 910-8507, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 2673-2678  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： 畳込みニューラルネットワーク(CNN)は,画像認識を含む多くの分野で使用することに成功した。畳込みと貯留層の間には学習により得られる以外CNNは入力,畳込み,プーリング,隠れ層と出力層と層間の重みとバイアスから構成されている。従来のニューラルネットワークと比較して,CNNの学習コストが高く,隠れ層(s)を添加した場合に特に学習時間が長かった。最近,複雑で四元数値ニューラルネットワークが注目を集めている。複素ニューラルネットワークでは,入力,重み,バイアスと出力は複素数であり,四元数値神経回路網における,これらのパラメータは四元数である。両方法は少ない計算負荷を用いた分類および関数近似問題のような様々な応用に優れた精度を示すことが示されている。本研究では,著者らは複雑で四元数はプーリング,隠れ層と出力層の間に使用される複雑で四元数値ニューロンを用いたCNNを提案した。錯体と4元数値ニューロンを用いたCNNは実数値対応物よりもMNISTデータと手書き数字画像分類における高い学習能力を持つことを示した。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： バイアス ,  数字 ,  画像認識 ,  関数近似 ,  学習 ,  *ニューロン ,  *畳込み ,  神経回路網 ,  実数 ,  四元数 ,  *ニューラルネットワーク ,  計算負荷 ,  複素ニューラルネットワーク ,  隠れ層
準シソーラス用語： 画像分類 , 【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 ,  ニューロン ,  畳込みニューラルネットワーク