文献

J-GLOBAL ID：201802280143131090   整理番号：18A0444641

級内の再構成を介した教師つき特徴学習【Powered by NICT】

Supervised Feature Learning via Within-Class Reconstruction

著者 (3件)： Shao Yunxue ,  Zhou Jiantao ,  Gao Guanglai
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDAR  ページ： 149-154  発行年： 2017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： データの特徴表現を認識関連タスクのための重要な問題である。人間の創造力に触発されて,本論文では,クラス内再構成(WCR)と名づけた新しい特徴学習フレームワークを提案した。WCRでは,入力サンプルの特徴表現は,同一クラスに属する全ての試料を再構成した。特徴抽出機能を更新するために平均二乗誤差(MSE)費用関数を最小化した。さらに,オートエンコーダのようなほとんどの教師なし学習法は提案した枠組みに埋め込むことができた。提案フレームワークの有効性を評価するために,CNNである特徴表現を抽出し,クラス内試料を再構成するために用いた。実験結果は,提案したWCRで学習された表現はオートエンコーダのそれよりも優れた性能を達成することを実証した。すべての符号はhttps://github.com/step123456789/wcrで公的に利用できるようになった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 費用関数 ,  特徴抽出 ,  教師なし学習 ,  *学習 ,  *再構成
準シソーラス用語： 平均二乗誤差 ,  特徴表現 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 再構成 ,  教師 ,  学習