文献

J-GLOBAL ID：201802278336557279   整理番号：18A0479264

画像認識のためのクロスレイヤニューロンを用いた畳込みネットワーク【Powered by NICT】

Convolutional networks with cross-layer neurons for image recognition

著者 (6件)： Yu Zeng (School of Information Science and Technology, Southwest Jiaotong University, Chengdu 611756, China) ,  Li Tianrui (School of Information Science and Technology, Southwest Jiaotong University, Chengdu 611756, China) ,  Luo Guangchun (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, China) ,  Fujita Hamido (Faculty of Software and Information Science, Iwate Prefectural University, Iwate 020-0693, Japan) ,  Yu Ning (Department of Informatics, University of South Carolina Upstate, Spartanburg, SC 29303, USA) ,  Pan Yi (Department of Computer Science, Georgia State University, Atlanta, GA 30303, USA)
資料名： Information Sciences  (Information Sciences)
巻： 433-434  ページ： 241-254  発行年： 2018年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  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： 非常に深い畳込みネットワークは最近ImageNetまたはCOCO競争のようないくつかの挑戦的なタスクにブレークスルーを達成した。しかし,このような深いニューラルネットワークを訓練することは困難である。本論文では,クロスレイヤニューロンアーキテクチャと呼ばれる新しい構造,有効深いニューラルネットワークを訓練するための能力を示した。クロスレイヤニューロンはすべての低レベル層から学習した情報(特徴)を合成するために利用し,クロスレイヤによる高レベル層に送る。この新しいアーキテクチャに基づいて,クロスレイヤニューロンネットワーク(CLNN)と呼ばれる新しい深層ニューラルモデルを提案した。CLNNは消失勾配問題を軽減できることを示した。CLNNは,分類の収束速度を改善する能力を持っていることを示した。いくつかのベンチマークデータセット(MNIST,CIFAR10CIFAR100SVHNとSTL10)上の比較実験により,この提案したモデルはより深いネットワークの訓練に適していることを明確に示したとクロスレイヤニューロンを用いて性能を効果的に改善できる。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： 計算機アーキテクチャ ,  モデル ,  深層 ,  学習 ,  比較試験 ,  *ネットワーク ,  ニューラルネットワーク ,  *畳込み ,  *画像認識
準シソーラス用語： 収束速度 ,  神経回路網モデル ,  *クロスレイヤ , 【Automatic Indexing@JST】

著者キーワード (5件)： 深い学習 ,  畳込みネットワーク ,  クロスレイヤ ,  クロスレイヤニューロン ,  深いアーキテクチャ

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 画像認識 ,  畳込み