文献

J-GLOBAL ID：202002226203088006   整理番号：20A2472054

自己充填は交差領域一般化を改善する【JST・京大機械翻訳】

Self-challenging Improves Cross-Domain Generalization

著者 (4件)： Huang Zeyi (School of Computer Science, Carnegie Mellon University, Pittsburgh, USA) ,  Wang Haohan (School of Computer Science, Carnegie Mellon University, Pittsburgh, USA) ,  Xing Eric P. (School of Computer Science, Carnegie Mellon University, Pittsburgh, USA) ,  Huang Dong (School of Computer Science, Carnegie Mellon University, Pittsburgh, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12347  ページ： 124-140  発行年： 2020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： 畳込みニューラルネットワーク(CNN)はラベルと相関する支配的な特徴を活性化することにより画像分類を行う。訓練と試験データが類似した分布下にあるとき,それらの主要な特徴は類似であり,試験性能に通じる。性能は,異なる分布でテストするとき,無意味で,交差ドメイン画像分類における課題に通じる。ドメイン外データに対するCNNの一般化を著しく改善する簡単な訓練ヒューリスティック,表現自己Challenging(RSC)を導入した。RSCは,訓練データ上で活性化された支配的な特徴(discards)を繰り返して,ラベルと相関する残りの特徴を活性化するためのネットワークを強制する。このプロセスは,新しい領域の事前知識なしで,また余分なネットワークパラメータを学習することなく,ドメイン外データに適用できる特徴表現を活性化するように見える。クロスドメイン一般化を改善するためのRSCの理論的特性と条件を示した。実験により,RSC法の単純,有効,およびアーキテクチャ-診断的性質を示した。Copyright Springer Nature Switzerland AG 2020 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 ,  計算機アーキテクチャ
準シソーラス用語： 訓練データ ,  事前知識 ,  画像分類 ,  ヒューリスティック ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (2件)： 交差領域一般化 ,  ロバスト性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 自己 ,  交差 ,  一般化