文献

J-GLOBAL ID：202002238813347167   整理番号：20A1135896

条件制約に基づくカプセル生成対抗ネットワーク【JST・京大機械翻訳】

Conditional Generative Adversarial Capsule Networks

著者 (2件)： Kong Rui (ji南大学智能科学与工程学院 珠海 519070;ji南大学信息科学技術学院 广州 510632) ,  Huang Gang (ji南大学信息科学技術学院 广州 510632)
資料名： Zidonghua Xuebao  (Zidonghua Xuebao)
巻： 46  号： 1  ページ： 94-107  発行年： 2020年 
JST資料番号： C2134A  ISSN： 0254-4156  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 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】

シソーラス用語： 損失関数 ,  *ネットワーク ,  カプセル ,  ネットワーク構造 ,  再構成 ,  画像合成
準シソーラス用語： ネットワークモデル ,  複雑性 ,  研究動向 ,  高品質 ,  生成モデル , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (2件)： 制約 ,  カプセル