文献

J-GLOBAL ID：201802265214159587   整理番号：18A1030513

ロバストな準ノルム自己符号化と半教師つき学習によるディープニューラルネットワークを用いた異常検出【JST・京大機械翻訳】

Abnormality detection using deep neural networks with robust quasi-norm autoencoding and semi-supervised learning

著者 (3件)： Shah Meet P. (Department of Electrical Engineering, Indian Institute of Technology (IIT) Bombay) ,  Merchant S. N. (Department of Electrical Engineering, Indian Institute of Technology (IIT) Bombay) ,  Awate Suyash P. (Department of Computer Science and Engineering, Indian Institute of Technology (IIT) Bombay)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISBI  ページ： 568-572  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： 生物医学画像における異常検出は,1クラス分類問題であり,そこでは,方法は統計モデルを学習して,インライアクラスだけから訓練データを用いて,異常値クラスを特性化する。典型的な方法(i)は,良く訓練された訓練データを必要とし,(ii)は,(少量の)ラベルされた異常値を通して,エキスパートフィードバックを利用することができない定式化を持っている。対照的に,著者らは,(i)実世界展開において避けられない訓練データにおける相関と異常値に対してロバストである新しい深いニューラルネットワークフレームワークを提案し,(ii)高品質ラベル付きデータを通してエキスパートフィードバックを活用することができる。著者らは,(i)残差に関する非凸損失と重いテール分布モデルを通してロバスト性を与え,(ii)ラベルされた異常値による半教師つき学習を可能にする自動符号化定式化を導入した。3つの大規模医療データセットに関する結果は,著者らの方法が異常検出精度において芸術の状態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： 小規模 ,  定式化 ,  残差 ,  *ロバスト性 ,  凸形 ,  キャラクタリゼーション ,  *ノルム ,  異常値 ,  統計模型 ,  *符号化 ,  画像
準シソーラス用語： 訓練データ ,  生物医学 ,  *異常検出 ,  *半教師つき学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ロバスト ,  自己 ,  符号化 ,  半教師つき学習 ,  ディープニューラルネットワーク ,  異常検出