文献

J-GLOBAL ID：201802249923519060   整理番号：18A1807858

加齢分類のための深部畳込みニューラルネットワークの特徴特定解析【JST・京大機械翻訳】

Feature specific analysis of a deep convolutional neural network for ageing classification

著者 (4件)： Barney Shaun (School of Engineering, Newcastle University, UK) ,  Stainton Scott (School of Engineering, Newcastle University, UK) ,  Catt Michael (National Innovation Centre for Ageing, Newcastle University, UK) ,  Dlay Satnam (School of Engineering, Newcastle University, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CSNDSP  ページ： 1-6  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： 深い学習は,神経系のコミュニケーションパターンと情報処理によりあいまいに触発されているモデルによる機械学習のサブフィールドである。深い学習モデルにおいて,複数のニューロンから構成されるネットワークの各層は,その入力データをわずかにより抽象的で複合的な抽象化に変換する。畳込みニューラルネットワーク(CNN)の中で,ニューロンの第一層は,エッジの配列を符号化する次の層を持つエッジを符号化するためにその生入力画素を変換する可能性があり,次の層は眼や鼻のようなより抽象的な特徴を持つ。しかしながら,各層における正確なニューロンがそれぞれの抽象的特徴を探す位置決めは,まだ研究のためのホットな領域である。ここでは,分類タスクにおいて重要な役割を果たすと信じられている特定の特徴を探索する隠れ層における各ニューロンをピンポイントする新しい方法を示した。元の画像から興味のある特徴を除去し,CNNを通してこれを実行することにより,各ニューロン活性化マップをt-SNEを用いたオリジナル画像により生成された活性化と比較できることを見出した。これにより,この特徴の除去により著しく影響され,分類を変化させるネットワークにおいて個々のニューロンを成功裏に位置させることができた。この方法により,ネットワークが学習されることのより良い理解と,この学習された情報が最終的な分類に近づいているときの重要性を得ることができる。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： 神経系 ,  深部 ,  ニューロン ,  *ネットワーク ,  学習モデル ,  画素 ,  コミュニケーション ,  情報処理 ,  画像 ,  単一層 ,  機械学習 ,  曖昧さ
準シソーラス用語： 隠れ層 ,  入力データ ,  *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 (5件)： 加齢 ,  分類 ,  深部 ,  畳込みニューラルネットワーク ,  解析