文献

J-GLOBAL ID：201802243380728627   整理番号：18A1898359

圧縮表現のための自動符号器の自動進化【JST・京大機械翻訳】

Automatic Evolution of AutoEncoders for Compressed Representations

著者 (5件)： Assuncao Filipe (CISUC, Department of Informatics Engineering, University of Coimbra, Coimbra, Portugal) ,  Sereno David (CISUC, Department of Informatics Engineering, University of Coimbra, Coimbra, Portugal) ,  Lourenco Nuno (CISUC, Department of Informatics Engineering, University of Coimbra, Coimbra, Portugal) ,  Machado Penousal (CISUC, Department of Informatics Engineering, University of Coimbra, Coimbra, Portugal) ,  Ribeiro Bernardete (CISUC, Department of Informatics Engineering, University of Coimbra, Coimbra, Portugal)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CEC  ページ： 1-8  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： 学習システムの開発は,多くの方法で困難である。しばしば,学習アルゴリズムの構造とパラメータを最適化する必要があり,使用するための最良のデータ表現である,すなわち,通常,特徴を設計し,最も代表的で有用なものを選択する必要がある。本研究では,最初のデータの圧縮バージョンにより良好な性能を得ることができるか否かを検討し,学習時間を低減することができるか否かを検討した。データを圧縮するプロセス,すなわち,その次元を減少させることは,ドメイン知識と専門知識を持ついくつかのものと,試行錯誤エンドレスサイクルにおける技術者の特徴によって典型的に行われる。著者らの目標は,そのような圧縮バージョンを自動的に達成することである。そのために,自己エンコーダの構造を生成するために進化アルゴリズムを用いた。画像の再構成を目標とする代わりに,各クラスの平均信号の再構成に焦点を合わせ,したがって,目標は各クラスの最も代表的な特性を獲得することである。MNISTデータセットに関する結果は,提案した手法が元のデータセット次元を低減できるだけでなく,圧縮表現上の分類器の性能が元の非圧縮画像上の性能より優れていることを示した。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： データ表現 ,  *符号器 ,  最適化 ,  画像 ,  学習アルゴリズム ,  再構成 ,  ドメイン知識
準シソーラス用語： 圧縮画像 ,  進化的アルゴリズム ,  専門知識 ,  学習時間 ,  学習支援システム , 【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)： 表現 ,  符号器 ,  進化