文献

J-GLOBAL ID：201902230226557507   整理番号：19A2873016

葉疾患認識のためのもつれなし表現学習【JST・京大機械翻訳】

Disentangled Representation Learning for Leaf Diseases Recognition

著者 (3件)： Wang Xing (School of Information Engineering, Ningxia University, Yinchuan, China) ,  Zhu Congcong (School of Information Engineering, Ningxia University, Yinchuan, China) ,  Wu Suping (School of Information Engineering, Ningxia University, Yinchuan, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11901  ページ： 530-540  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 植物病害検出は農業生産と生態保護において重要な役割を果たす。しかし,多種および多疾患条件における植物病害の重症度を検出することは常に挑戦的である。マルチ特性検出を解決するのが難しい多くの既存の分類法とは異なり,著者らは,各植物葉の全体的特徴を解明し,植物種,病型および病気の重症度を含む複数のサブ特性の識別表現を学習する非もつれ表現相互作用ネットワーク(ドリン)を提案した。それを達成するために,非もつれ表現ネットワークは,サブ特性間の情報相互作用を通して,結合確率を条件付き確率に変換した。さらに,データフィルタリングを導入して,特性相互作用における誤差メッセージを減少させた。実験結果は,植物病害検出データセットに対する著者らのリンの有効性を実証した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 生態 ,  リン ,  有効性 ,  相互作用 ,  ネットワーク ,  *学習 ,  植物病害
準シソーラス用語： データフィルタリング ,  条件付確率 ,  病型 ,  植物種 ,  分類法 ,  重症度 ,  農業生産 , 【Automatic Indexing@JST】

著者キーワード (4件)： 表現学習 ,  植物病害の検出 ,  情報の相互作用 ,  データフィルタリング

分類 (2件)： 人工知能  (JE08000Z) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (3件)： 葉 ,  疾患 ,  表現学習