文献

J-GLOBAL ID：201802243485536476   整理番号：18A1621478

視覚分類のための共有自動エンコーダGauss過程潜在変数モデル【JST・京大機械翻訳】

Shared Autoencoder Gaussian Process Latent Variable Model for Visual Classification

著者 (3件)： Li Jinxing (Department of Computing, Hong Kong Polytechnic University, Hong Kong) ,  Zhang Bob (Department of Computer and Information Science, University of Macau, Zhuhai, China) ,  Zhang David (Department of Computing, Hong Kong Polytechnic University, Hong Kong)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 9  ページ： 4272-4286  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 多視点学習は,異なるモダリティ間の潜在的相関を明らかにし,多くの応用においてより良い性能を達成するために相補的情報を利用する。本論文では,Gauss過程潜在変数モデル(GPLVM)に基づく新しい多視点学習モデルを提案し,非線形および非パラメトリック写像関数の集合を学習し,多様体空間における共有潜在変数を得た。GPLVMに関する以前の研究と異なり,提案した共有自動符号化Gauss過程(SAGP)潜在的変数モデルは,観測データから共有多様体空間への付加的マッピングがあると仮定した。自動エンコーダフレームワークの導入により,非線形投影と観測の両方を同時に考慮した。さらに,従来の自動符号器で使用される完全接続の代わりに,SAGPはGPを利用するマッピングを達成し,それは推定パラメータの数を著しく減少させ,オーバーフィッティングの現象を避ける。提案した方法を分類に適応させるために,識別正則化を提案した方法に組み込んだ。最適化プロセスにおいて,交互方向法と勾配法に基づく効率的アルゴリズムを設計し,符号器と復号器部分を交互に解いた。3つの実世界データ集合に関する実験結果は,芸術の状態と比較して,提案した方式の有効性と優位性を実証した。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： 最適化 ,  多様体 ,  傾斜法 ,  *Gauss過程 ,  正則化 ,  *視覚 ,  *モデル ,  *符号器 ,  写像 ,  パラメータ ,  復号器
準シソーラス用語： 効率的アルゴリズム ,  モダリティ ,  マルチビュー学習 ,  *潜在変数 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G)

タイトルに関連する用語 (7件)： 視覚 ,  分類 ,  共有 ,  エンコーダ ,  Gauss過程 ,  潜在変数 ,  モデル