文献

J-GLOBAL ID：202002244954787409   整理番号：20A0535247

深い畳込みネットワーク精度に対するデータセット不均一性の影響を評価するためのクラスタ分析の使用:最初の一見【JST・京大機械翻訳】

Using Cluster Analysis to Assess the Impact of Dataset Heterogeneity on Deep Convolutional Network Accuracy: A First Glance

著者 (3件)： Mendez Mauro (School of Computing, Costa Rica Institute of Technology, Cartago, Costa Rica) ,  Calderon Saul (School of Computing, Costa Rica Institute of Technology, Cartago, Costa Rica) ,  Tyrrell Pascal N. (Departments of Medical Imaging and Statistical Sciences, University of Toronto, Toronto, Canada)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1087  ページ： 307-319  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  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： 本論文では,2つのモデルの画像ベースの特徴に対するファジィK平均を用いてクラスタ分析を行い,データセットの不均一性がモデルの精度にどのように影響するかを評価した。高度に不均一なデータセットは,通常,全体的なモデルの一般化と試験サンプルによる精度に影響を与えるまばらなデータサンプルとリンクされている。モデルの一般化と試験精度を予測するための計量としてデータの不均一性を推定するために,得られたクラスタにおける変動(CV)の係数を測定することを提案した。サンプル数が十分でない場合,高度に不均一なデータセットが一般的であり,高いCVをもたらすことを示した。2つの異なるモデルとデータセットによる実験において,より高いCV値はモデル試験精度をかなり低下させた。X線歯走査の二値分類とVGG16を解き,手X線スキャンから年齢回帰を解くために,ResNet18を試験した。得られた結果は,クラスタ分析がCNNモデル試験精度に及ぼす不均一性影響を同定するために使用できることを示唆した。実験によると,CV[数式:原文を参照]は満足なモデル試験精度を得るために推奨されると考えた。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 ,  曖昧さ ,  不均一性 ,  変動係数 ,  学習 ,  *畳込み ,  走査 ,  *クラスタ分析 ,  *クラスタ
準シソーラス用語： 畳込みニューラルネットワーク ,  二値分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： クラスタ分析 ,  異質性 ,  伝達学習 ,  小さなデータセット ,  畳み込みニューラルネットワーク

分類 (5件)： 医用画像処理  (JE04020T) ,  パターン認識  (JE07000S) ,  電力系統一般  (NB02000E) ,  数値計算  (JE02000J) ,  計測機器一般  (AD02000X)

タイトルに関連する用語 (5件)： 畳込み ,  データセット ,  不均一性 ,  評価 ,  クラスタ分析