文献

J-GLOBAL ID：202002226482231976   整理番号：20A2259783

多値ニューロンを用いた畳込みニューラルネットワーク【JST・京大機械翻訳】

Convolutional Neural Network with Multi-Valued Neurons

著者 (2件)： Aizenberg Igor (Manhattan College,Riverdale,NY,USA) ,  Vasko Alexander (Uzhhorod National University,Uzhhorod,Ukraine)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DSMP  ページ： 72-77  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,複素値重みを持つ多値ニューロン(MVN)に基づく畳込みニューラルネットワーク(CNN)を提示した。畳込みニューラルネットワークは,画像や音声認識のような問題を解くための最良のツールの1つとして知られている。多くの研究と利用者の大多数は,実数値入力/出力で動作する古典的CNNを採用し,S字状活性化関数を持つ古典的ニューロンに基づいている。最近,複素値CNNを導入したが,それらのニューロンは活性化関数を採用し,それはS字形体の複素値一般化である。そのような複合値ニューロンは,それらが学習し,複雑な値データを処理することを可能にするとき,より柔軟であるが,それらの一般化能力は,基本的に実数値ニューロンのものより高くない。同時に,その機能性がS字状活性化機能を持つニューロンの1つより高い位相依存性活性化関数を有する複合値ニューロン(多値ニューロンΨMVN)が存在する。また,多重値ニューロン(MLMVN)を有する多層ニューラルネットワークは,学習速度と一般化能力に関して古典的多層ペセプトロンより優れていることも知られている。したがって,著者らの目標は,多値ニューロン(CNNMVN)に基づく畳込みニューラルネットワークを開発することであった。CNNMVNの学習アルゴリズムを詳細に考察し,それはMLMVNの1つと同様に導関数フリーである。また,複素数に対する最大プール操作を示唆した。これらの結果は,最小畳み込みトポロジーを持つCNNMVNが,高精度で画像認識問題を解決できることを示した。Copyright 2020 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： 位相幾何学 ,  音声認識 ,  *畳込み ,  *ニューロン ,  複素数 ,  多重化 ,  実数 ,  位相 ,  導関数 ,  多層 ,  学習アルゴリズム ,  画像認識
準シソーラス用語： 活性化関数 ,  ディープニューラルネットワーク ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 多値 ,  ニューロン ,  畳込みニューラルネットワーク