文献

J-GLOBAL ID：201702266636167744   整理番号：17A1395585

改良されたドロップアウト法とその応用DBNベース手書き文字認識【Powered by NICT】

An improved dropout method and its application into DBN-based handwriting recognition

著者 (4件)： Hu Guangzheng (School of Automation, Beijing Institute of Technology, Beijing 100081, China) ,  Li Huifang (School of Automation, Beijing Institute of Technology, Beijing 100081, China) ,  Luo Lixuan (Department of Computer Science, University of Toronto, Toronto, Canada) ,  Xia Yuanqing (School of Automation, Beijing Institute of Technology, Beijing 100081, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCC  ページ： 11145-11149  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： 典型的な深層学習法として,深い信念ネットワーク(DBN)とドロップアウト法は,常に不足訓練データの場合におけるパターン認識のために使用されている。ドロップアウト訓練は深層ニューラルネットワークにおける過剰適合現象を避けることができる。試験段階では,隠れ層の全てのニューロンの出力は,元のドロップアウト法におけるそれらの実際の出力として同じ因子を乗じた。数不良認識モデルを加えることにより,その全DBNモデルの認識精度を低下させる可能性があることを考慮していない。本論文では,改良型ドロップアウト法,確率統計を導入することにより,DBNの認識精度を増加させることができるを提案した。MNIST手書き数字データベースに対する認識結果の比較から,改良法は同一条件下で斬新な手法と伝統的な同定法より優れていることを示した。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： ニューラルネットワーク ,  *手書き文字認識 ,  数字 ,  パターン認識 ,  ニューロン ,  データベース ,  深層 ,  認知モデル
準シソーラス用語： *手書き ,  認識精度 ,  隠れ層 ,  訓練データ ,  信念ネットワーク ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ドロップ ,  応用 ,  DBN ,  手書き文字認識