文献
J-GLOBAL ID:202002249997280291   整理番号:20A2720855

条件付き敵対オートエンコーダを用いたCitrus aurantium L.の病気認識のためのゼロおよび少数ショット学習【JST・京大機械翻訳】

Zero- and few-shot learning for diseases recognition of Citrus aurantium L. using conditional adversarial autoencoders
著者 (6件):
資料名:
巻: 179  ページ: Null  発行年: 2020年 
JST資料番号: T0337A  ISSN: 0168-1699  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
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。
植物病害は著しい生産と経済的損失を引き起こし,また農業の持続可能な発展を深刻に制限する。伝統的植物病害認識法は,時間がかかり,専門家の経験に大きく依存している。したがって,既存の研究設計モデルは,自動認識に対する深い学習に基づく。しかし,それらは,訓練のためにほんの数またはゼロの標識試料だけを有するいくつかのCitrus aurantium L.疾患の診断のために,サンプル集約的でハードである。本論文では,条件付敵対的オートエンコーダ(CAAE)を用いて,Citrus aurantium L.病害のゼロおよび少数ショット認識のための新しい生成モデルを提案した。CAAEは,ゼロおよび少数ショット認識を従来の教師つき分類問題に変換することができるように,視覚特徴を合成するように学習する。特に,CAAEは符号器,復号器,および識別器から成る。条件付き変分自動符号器(CVAE)と異なり,事前分布と符号化分布の間の損失を敵対的に最小化することにより,符号器を訓練するために識別器を課した。著者らのモデルはCitrus aurantium L.病害のゼロショット認識に対して53.4%の調和平均精度を達成し,それはCVAEより50.4%高かった。パブリックゼロショットベンチマークデータセットとCitrus aurantium L.病害の著者らの自身の収集データセットに関する更なる事例研究に関する広範な実験は,著者らのモデルがゼロおよび少数ショットCitrus aurantium L.疾患診断の適用に適していることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  パターン認識 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る