文献

J-GLOBAL ID：201802241711960302   整理番号：18A1907866

潜在的ハイパーネット:畳込みニューラルネットワークの層の探索【JST・京大機械翻訳】

Latent HyperNet: Exploring the Layers of Convolutional Neural Networks

著者 (3件)： Jordao Artur (Smart Surveillance Interest Group, Universidade Federal de Minas Gerais, Brazil) ,  Kloss Ricardo (Smart Surveillance Interest Group, Universidade Federal de Minas Gerais, Brazil) ,  Schwartz William Robson (Smart Surveillance Interest Group, Universidade Federal de Minas Gerais, Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-7  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： 従来のニューラルネットワーク(ConvNets)は,異なるカテゴリーの活動を識別するために特徴と分類器を同時に学習できるので,最近の研究では,ウェアラブルセンサに基づく人間活動認識(HAR)を実行するためにConvNetアプローチを採用し,高価な人間作業とエキスパート知識の除去を可能にした。しかしながら,これらのアプローチは,ネットワークを構成する多数のパラメータと訓練に利用できるサンプル数の減少により,主に制限された識別力を持っている。これに触発されて,潜在的ハイパーネット(LHN)と呼ばれる正確でロバストなアプローチを提案した。LHNは,初期層(ハイパー)から特徴マップを使用し,それらを個々に低次元(潜在的)空間上に投影する。次に,これらの潜在的特徴を連結して,分類装置に提示した。LHNのロバスト性と精度を実証するために,サンプリング速度と活動数において変化する,ウェアラブルセンサに基づく5つの公開可能なHARデータセットにおいて,4つの異なるネットワークアーキテクチャを用いて評価した。提案したLHNは豊富な情報を捕捉でき,元のConvNetに関する結果を改善できることを実験的に実証した。さらに,この方法は,平均して5.1パーセントポイントによって,既存の最先端の方法より優れている。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： 分類装置 ,  *ニューラルネットワーク ,  *ネットワーク ,  ネットワークアーキテクチャ ,  ロバスト性
準シソーラス用語： 最先端 ,  サンプリング速度 ,  低次元 ,  特徴マップ ,  人間活動 ,  ウェアラブルセンサ ,  *畳込みニューラルネットワーク , 【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 (3件)： 畳込みニューラルネットワーク ,  層 ,  探索