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。
既存零ショット学習(ZSL)モデルは典型的には意味埋込み空間(例えば,属性空間)に特徴空間から投射関数を学習する。しかし,そのような投影関数である訓練見られるクラス意味表現(例えば属性予測)または分類を予測しているだけであった。試験データ,ZSLとの関連で訓練データを用いない異なった(未知の)クラスを含むに適用した場合,ZSLモデルは典型的にはプロジェクトドメインシフト問題に悩まされている。本研究では,意味論的AutoEncoder(SAE)学習に基づくZSLに対する新しい解を提示した。符号器-復号器パラダイムを用いて,符号器は,既存のZSLモデルにおけるとしてのセマンティック空間への視覚特徴ベクトルを予測することを目的とした。しかし,復号器は,投影/コードは,元の視覚的特徴を再構成できなければならない付加的な拘束を発揮する。はこの付加的再構成制約を持つ,見られるクラスから学んだ投影関数である新しい未知のクラスに良好な一般化できることを示した。重要なことは,符号器と復号器は線形と対称非常に効率的な学習アルゴリズムを開発することを可能にする。六つのベンチマークデータセット上での包括的実験を行い,提案SAEは低い計算コストの付加的な利点を持つ既存ZSLモデルの性能を大幅に上回ることを実証した。さらに,SAEは教師つきクラスタリング問題に適用した場合,最新技術を凌駕する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
