抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】