文献

J-GLOBAL ID：202002244139548380   整理番号：20A0853652

共起データを用いた異種マルチメディア転送学習のための深層意味マッピング【JST・京大機械翻訳】

Deep Semantic Mapping for Heterogeneous Multimedia Transfer Learning Using Co-Occurrence Data

著者 (5件)： Zhao Liang (Dalian University of Technology, Dalian, Liaoning, China) ,  Chen Zhikui (Dalian University of Technology, Dalian, Liaoning, China) ,  Yang Laurence T. (St. Francis Xavier University, Antigonish, NS, Canada) ,  Deen M. Jamal (McMaster University, Hamilton, ON, Canada) ,  Wang Z. Jane (University of British Columbia, Vancouver, BC, Canada)
資料名： ACM Transactions on Multimedia Computing, Communications, and Applications  (ACM Transactions on Multimedia Computing, Communications, and Applications)
巻： 15  号： 1s  ページ： 1-21  発行年： 2019年 
JST資料番号： W5702A  ISSN： 1551-6857  資料種別： 逐次刊行物 (A)
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： 補助データに基づく異なるドメインのインスタンスに対する好ましい表現を見出すことに焦点を合わせた転送学習は,知識転送を通してドメイン間の発散を緩和することができる。最近,移動学習に関する努力の増加により,よりロバストでより高いレベルの特徴表現を学習するために深いニューラルネットワーク(DNN)を採用し,より良い交差メディアの不一致に取り組んでいる。しかし,多層不均一ドメインネットワーク間の修正と意味マッチングを考慮した論文はわずかである。本論文では,共起データを用いた不均一マルチメディア移動学習(DHTL)のための深い意味マッピングモデルを提案した。より具体的には,DNNを正準相関解析(CCA)と統合し,異なるドメインにわたるデータを結合するための結合意味表現として深い相関部分空間を導出した。提案したDHTLでは,ドメインを横切る多層相関マッチングネットワークを構築し,そこではCCAを結合して各ペアのドメイン固有隠れ層をブリッジする。ネットワークを訓練するために,結合目的関数を定義し,最適化プロセスを提示した。深い意味表現が達成されるとき,ソースドメインの共有された特徴は,ターゲットドメインにおけるタスク学習のために転送される。3つのマルチメディア認識アプリケーションに対する広範な実験により,提案したDHTLは不均一ドメインに対する深い意味表現を効果的に見出すことができ,それは深い移動学習に対するいくつかの既存の最先端手法より優れていることを実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  応用プログラム ,  *マルチメディア ,  ニューラルネットワーク ,  多層 ,  最適化 ,  *学習 ,  深層 ,  目的関数 ,  ネットワーク
準シソーラス用語： 隠れ層 ,  部分空間 ,  意味表現 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層意味マッピング ,  正準相関解析 ,  ディープニューラルネットワーク ,  異種マルチメディア ,  伝達学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： マルチメディア ,  転送 ,  学習 ,  深層 ,  意味 ,  マッピング