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。
半教師つき学習(SSL)は機械学習における大量のラベル無しデータを完全に利用する輸入パラダイムである。限られたラベル付きデータ,特に深いニューラルネットワークのような複雑なモデルに上で訓練された場合,SSLのボトルネックは過剰適合問題である。このボトルネックを逃れるため,深いニューラルネットワーク,すなわち深部成長学習(DGL)に対するバイオインスパイアードSSLフレームワークを提案した。特に,EMプロセス,深層ネットワークは,畳込み層を成長させると訓練のための信頼性のある擬似ラベル付きデータを自動的に選択間の反復交互としてSSLを定式化した。DGLは浅いニューラルネットワークはラベル付きデータを用いて訓練されることを保証し,一方深いニューラルネットワークは成長量信頼できる擬似ラベル付きデータを用いて訓練される,過剰適合問題を軽減した。異なる視覚認識タスク上での実験を行い,DGLの有効性を検証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】