文献

J-GLOBAL ID：201802258884948813   整理番号：18A1597544

ノード変化グラフフィルタによる畳込みニューラルネットワーク【JST・京大機械翻訳】

CONVOLUTIONAL NEURAL NETWORKS VIA NODE-VARYING GRAPH FILTERS

著者 (4件)： Gama Fernando (Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, USA) ,  Leus Geert (Department of Microelectronics, Delft University of Technology, Delft, The Netherlands) ,  Marques Antonio G. (Department of Signal Theory and Communications, King Juan Carlos University, Madrid, Spain) ,  Ribeiro Alejandro (Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DSW  ページ： 1-5  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： 畳込みニューラルネットワーク(CNNs)は,分類および回帰タスクにおけるそれらの優れた性能のために,問題および分野の数の増加に適用されている。CNN実装がコンボリューションとプールであるという重要な操作の2つから,このタイプのネットワークは,画像のような規則的な構造によって記述されるデータに作用するように暗黙的に設計される。不規則領域で定義された処理信号における最近の関心に動機付けられて,グラフ上に支持された信号上で動作するCNNアーキテクチャを提案した。提案した設計では,古典的なコンボリューションをノード不変グラフフィルタ(GF)で置き換えるが,これはグラフ領域へのコンボリューションの自然な一般化であるが,ノードを変化させていないGFを用いている。このフィルタは各層の出力次元を増加させることなく異なる局所特徴を抽出し,結果として,局所操作のみを含む間,プール段階の必要性をバイパスする。第二の貢献は,この論文で導入された新しいタイプのGFであるハイブリッドノード変化GFによるノード変化GFを置き換えることである。代替アーキテクチャはプール段階を必要とせずに局所的に実行できるが,訓練可能パラメータの数は小さく,データ次元に依存しない。テストは,合成ソース位置決め問題と20NEWSデータセット上で実行した。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： 不変性 ,  位置決め ,  *畳込み ,  画像 ,  計算機アーキテクチャ ,  *ネットワーク ,  *フィルタ ,  バイパス
準シソーラス用語： 局所特徴 ,  *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)： ノード ,  グラフ ,  畳込みニューラルネットワーク