文献

J-GLOBAL ID：201702277077614996   整理番号：17A1920605

カーネルmethocを用いた自動符号器【Powered by NICT】

Autoencoder using kernel methoc

著者 (1件)： Pei Yan (Computer Science Division University of Aizu, Fukushima, Aizu-wakamatsu, Japan 965-8580)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SMC  ページ： 322-327  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： オートエンコーダを実装するために,カーネル法ベースアルゴリズムを用いる方法を提案した。深学習ベースのアルゴリズムは,二つの特性を持ち,一つは高レベルデータ抽象化であり,もう一つは多重レベルデータ変換と表現した。カーネル法は線形および非線形変換に使用できる方法の一つである。深い学習におけるこれらの変換の実装の1つである。本論文では,オートエンコーダの符号器と復号器部分は,カーネル主成分分析とカーネルベース線形回帰によって実行した。オートエンコーダは,深い学習における基本構造とアルゴリズムであるので,提案した方法は二重構造を用いた深い学習モデルとアルゴリズムを実現できる。画像データを用いて提案した方法を評価した。結果は,カーネルベースオートエンコーダは,画像データを表現し,回復させることができることを示したが,性能はカーネル関数とそのパラメータの選択に依存する。もいくつかの未解決の話題を議論し,解析し,カーネル法ベースの深層学習の研究に向けて。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： 学習 ,  データ変換 ,  データ抽象化 ,  復号器 ,  学習モデル ,  *符号器 ,  線形性 ,  アルゴリズム
準シソーラス用語： 深層学習 ,  Kernel関数 ,  画像データ ,  線形回帰 ,  カーネル主成分分析 ,  非線形変換 ,  Kernel法 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： カーネル ,  符号器