文献

J-GLOBAL ID：201802244040520411   整理番号：18A0846752

多層パーセプトロン神経回路網分類器のためのT-SNEに基づく特徴抽出技術【JST・京大機械翻訳】

t-SNE based feature extraction technique for multi-layer perceptron neural network classifier

著者 (1件)： Mukherjee Sourabrata (Department of Computer Science and Engineering, NIT Durgapur)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICICICT  ページ： 660-664  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： 機械学習において,ニューラルネットワーク分類器は,しばしば訓練サンプルによってよく機能するが,テストサンプルによって劣った性能を示した。このシナリオは過剰適合と呼ばれる。オーバーフィッティングは分類器の一般化能力を減少させる。したがって,本論文における目的は,より良い一般化によって分類装置をモデル化することであった。分類器の一般化は,データセットの入力空間の次元を減少させることによって保存できる。次元縮小のために,t分布確率的近傍埋め込み(t-SNE),機械学習アルゴリズムを本論文で用いた。最初に,二次元t-SNEネットワークを訓練して,データセットのグローバル幾何学を達成することに成功した。ここでは,t-SNEアルゴリズムは,類似オブジェクトが近傍インスタンスによりモデル化され,異なるオブジェクトが遠隔インスタンスによりモデル化されるような方法で,ペア上の確率分布を構築することにより,各高次元元入力サンプルを低次元(通常二次元)新しいサンプルにモデル化する。元の高次元データと低次元投影データ間のkullback Leibler発散(KL発散)を最小化することを試みた。後に,投影された低次元データを分類のために多層パーセプトロン(MLP)によって使用した。完全な手順はt-SNEとMLPに基づく新しい分類器を構築する。8つの標準分類データセットを用いて,提案した分類器を標準MLP分類器と比較した。比較結果は,提案した分類器の優位性を示した。Wilcoxon符号化ランク検定も,特徴表現の修正に用いたt-SNEに基づく提案モデルが分類器の実行を修正することを示した。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： 学習アルゴリズム ,  *特徴抽出 ,  分類装置 ,  二次元 ,  機械学習 ,  高次元 ,  次元縮小 ,  モデリング ,  幾何学 ,  *神経回路網 ,  符号化 ,  *多層パーセプトロン
準シソーラス用語： 特徴表現 ,  高次元データ ,  低次元 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 多層パーセプトロン ,  神経回路網 ,  分類器 ,  特徴抽出