文献

J-GLOBAL ID：201802233091568911   整理番号：18A1678589

深い生成モデルに対する事前独立性【JST・京大機械翻訳】

A Priori Independence for Deep Generative Models

著者 (2件)： Rastgoufard Rastin (Department of Electrical Engineering, University of New Orleans, New Orleans, LA, 70148, U.S.A.) ,  Alsamman AbdulRahman (Department of Electrical Engineering, University of New Orleans, New Orleans, LA, 70148, U.S.A.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： FUSION  ページ： 445-451  発行年： 2018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： 深い一般的モデルは,データを生成して潜在的変数を推定するために自動符号器構造を利用する強力な学習ツールである。最も基本的なバージョンは,教師なしの方法で訓練データを符号化する単一の潜在的変数を持ち,半教師つき学習への拡張は,クラスラベルによって引き起こされないデータの変化を提供することを目的とする潜在クラスラベルを連続的な潜在的変数と結合する。2変数生成モデルの構造は,クラスラベルと連続変数の両方が,データを生成するために選択できる自由パラメータであることを意味しなければならない。すなわち,2つは事前に独立である。しかし,これは特定のデータセットに対してのみケースであることを示した。著者らは,変数を事前に独立に導くための2つの目的関数を提案し,目的を最適化するために新しい訓練手順を使用し,目的が望ましい独立性を成功裏に生成することを実験的に示した。著者らは,マルチラベル化norBデータセットに関する著者らのすべての実験を実行した。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： 目的関数 ,  符号器 ,  *最適化
準シソーラス用語： 連続変数 ,  半教師つき学習 ,  訓練データ ,  *生成モデル , 【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 (1件)： 生成モデル