文献

J-GLOBAL ID：201802226346902691   整理番号：18A1621953

局所的支配モードにおける深さ学習法に基づく高速抽出と認識に関する研究【JST・京大機械翻訳】

Research on Rapid Extraction and Recognition Based on Depth Learning Method in Regional Nomination Mode

著者 (2件)： Zhou Shuo (Northwestern Polytechnical University, School of Computer Science, Xi’an, 710100, 710100) ,  Li Weihua (Northwestern Polytechnical University, School of Computer Science, Xi’an, 710100, 710100)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCSEC  ページ： 604-609  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： 大規模データ時代の到来,深い学習理論の開発は,良い条件を作り出すのを助ける。データマイニングは,大量のデータから隠された特別な関連性を持つ情報を自動的に検索するプロセスを一般的に参照する。データマイニングは,通常,コンピュータ科学に関連し,統計的,オンライン分析処理,情報検索,機械学習,親指の過去の規則とパターン認識に依存するエキスパートシステムを通して達成される。本論文は,深い学習開発の背景を紹介して,それは主に深さ学習における自己符号化方法を検討して,自己符号化方法からシミュレーション応用を実行した。情報融合技術における最新の開発は,物体認識の画像を改善するために,色と深さ情報の画像を容易に捉えることを可能にする。本論文では,特徴学習と画像分類のためのBPニューラルネットワークモデルも紹介した。著者らのモデルは,標準画像オブジェクトセットに関するより良い芸術的表現を達成して,最後に,結果は他の比較可能なアーキテクチャと比較して,トレーニングとテストにおいてより正確でより速かった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  物体認識 ,  機械学習 ,  データマイニング ,  エキスパートシステム ,  *学習 ,  *高速度 ,  情報検索 ,  パターン認識 ,  計算機アーキテクチャ ,  計算機科学 ,  画像
準シソーラス用語： 逆伝播ニューラルネットワーク ,  画像分類 ,  大規模データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 支配 ,  研究