文献

J-GLOBAL ID：201802269901047107   整理番号：18A0133261

一般確率ネットワークを用いた自動学習のための教師付きカーネルベースアプローチ【Powered by NICT】

Supervised kernel approach for automated learning using General Stochastic Networks

著者 (4件)： Cardenas-Pena D. (Signal Processing and Recognition Group, Universidad Nacional de Colombia, Manizales, Colombia) ,  Collazos-Huertas D. (Signal Processing and Recognition Group, Universidad Nacional de Colombia, Manizales, Colombia) ,  Alvarez-Meza A. (Automatics Research Group, Universidad Tecnologica de Pereira, Pereira, Colombia) ,  Castellanos-Dominguez G. (Signal Processing and Recognition Group, Universidad Nacional de Colombia, Manizales, Colombia)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 68  ページ： 10-17  発行年： 2018年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 教師つきタスクのための生成的確率ネットワーク(GSN)は最も深い層を出力変数(例えばクラス)によるノイズ除去オートエンコーダを一般化し,Markov連鎖の定常遷移演算子として入出力結合分布を推定した。確率的ニューロンを用いた多層ネットワークアーキテクチャのために,GSN性能は選定したアーキテクチャとネットワーク訓練に依存する。このような性能の向上を目的に,GSNフレームワークの中で教師つきカーネルベース学習を導入した。,考察したネットワークモデルは,洗練されたデータ表現を抽出するデータフィルタリングとして働く時間モデルを誘導した。,隠れ層のサイズを固定するためにこれまでのしらみつぶし探索戦略を用いた。最後に,非凸費用関数の最適化を支持するより識別射影行列を用いたGSNの微調整段階で初期化された新しい教師つき層状トレーニング前を提案した。初期マトリックスは中心核整列(CKA)計量を最大化し,計画されたサンプルとラベル間の親和性を測定することにより計算した。ランダム,AutoEncoders,と主成分分析手法と比較して提案性能を評価した。その結果,CKAベーストレーニング前アプローチは,パラメータ間の複雑な依存性を捕捉し,学習段階における収束速度を増加させ,画像物体認識の分類タスクに使用される五種類の広く画像コレクションのためのクラス識別を支持するデータ分布を明らかにした。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 画像 ,  *ネットワーク ,  Markov連鎖 ,  ニューロン ,  雑音低減 ,  計算機アーキテクチャ ,  データ表現 ,  物体認識 ,  ネットワークアーキテクチャ ,  費用関数 ,  最適化 ,  モデル ,  主成分分析
準シソーラス用語： ネットワークモデル ,  *確率ネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 生成確率的ネットワーク ,  カーネルに基づく学習 ,  教師つき学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 確率ネットワーク ,  学習 ,  教師