文献

J-GLOBAL ID：201802284116356798   整理番号：18A1621454

データの理解強化のための制約付き自動符号器の深層学習【JST・京大機械翻訳】

Deep Learning of Constrained Autoencoders for Enhanced Understanding of Data

著者 (2件)： Ayinde Babajide O. (Department of Electrical and Computer Engineering, University of Louisville, Louisville, KY, USA) ,  Zurada Jacek M. (Department of Electrical and Computer Engineering, University of Louisville, Louisville, KY, USA)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 9  ページ： 3969-3979  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 教師なし特徴抽出器は,データの効率的で識別的な表現を実行することが知られている。しかし,それらを理解するために,それらを実行して,人間の能力を理解することは,非常に限られたままである。これは多層の深い学習アーキテクチャを用いるとき特に顕著である。本論文では,非負性制約付きオートエンコーダのアーキテクチャ内でこれらのボトルネックを除去する方法を実証した。重みの非負性を誘起するL1とL2正則化の両方を用いて,ネットワークの大部分の重みが非負になるように制約され,それにより分類精度の微小な劣化を伴うより理解できる構造になることを示した。また,この提案したアプローチは,よりスパースで付加的な出力層スパース化を生成する特徴を抽出する。この方法を,MNISTデータ,norB正規化均一オブジェクトデータ,およびReuterテキスト分類データセットに関する精度と特徴解釈のために解析した。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： ネットワーク ,  *学習 ,  特徴抽出 ,  正規化 ,  *符号器 ,  多層 ,  正則化 ,  計算機アーキテクチャ
準シソーラス用語： テキスト分類 ,  分類精度 ,  自己符号化器 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 理解 ,  強化 ,  制約 ,  符号器 ,  深層学習