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。
生成型対抗ネットワーク(Generativeadversarialnetworks,GAN)は、主に教師なし方式で深さ生成モデルを学習する方法の一つである。ミクロ生成器ネットワークに基づく生成モデリング方法は,現在最もホットな研究領域であるが,実際のサンプル分布の複雑性のため,GAN生成モデルは,訓練プロセスの安定性,生成品質などにおいて,多くの問題を引き起こす。生成モデリングの分野では,ネットワーク構造の探索が重要な研究動向であり,ネットワークモデル構造を,カプセルニューラルネットワーク(Capsulenetworks,CapsNets)を用いて再構築した。WassersteinGAN(WGAN)で提案したEarth-mover距離に基づく損失関数を用いて,条件付き制約を用いてモデル生成プロセスを安定化した。条件制約付きカプセル生成対抗ネットワーク(Conditional-CapsuleGAN,C-CapsGAN)を確立した。MNISTとCIFAR-10データセットに関する実験結果は,C-CapsGANが,既存の類似モデルと比較して,C-CapsGANが画像生成タスクにおいて安定して高品質画像を生成できることを示した。同時に,モード崩壊の発生を効果的に抑制することができた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】