文献

J-GLOBAL ID：201702287301451270   整理番号：17A1630915

半教師つき深い信念ネットワークを用いた改善された分類【Powered by NICT】

Improved Classification with Semi-supervised Deep Belief Network

著者 (5件)： Wang Gongming (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Qiao Junfei (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Li Xiaoli (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Wang Lei (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Qian Xiaolong (College of Information Science and Engineering, Northeastern University, Shenyang, China)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 50  号： 1  ページ： 4174-4179  発行年： 2017年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 分類問題であるビッグデータ処理にとって重要であり,深層信念ネットワーク(DBN)と名付けた深い学習法は,分類に適用することに成功した。しかし伝統的なDBNは,教師なし学習法,抽出された特徴とコンクリートタスク間のギャップをもたらした。本論文では,半教師つき制限付きBoltzmannマシン(SSRBM)に基づく半教師つきDBN(SSDBN)はギャップを短縮し,分類の精度を改善するために提案する。,関連性制約を導入することにより,教師つき情報は制限されたボルツマンマシンの学習プロセスに統合等価である。SSDBNベースモデルは,分類問題の精度を改善するために構築した。最後に,提案したSSDBNは手書き数字分類基準データセットMNISTで検証し,実験結果はSSDBNは分類に関して従来のDBNと他のモデルより優れていることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 数字 ,  教師なし学習 ,  *学習 ,  Boltzmannマシン
準シソーラス用語： 手書き ,  学習過程 ,  ビッグデータ ,  *信念ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 分類問題 ,  深い学習 ,  SSDBN ,  SSRBM ,  対照実験

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 教師 ,  信念ネットワーク ,  分類