文献

J-GLOBAL ID：202002258440836644   整理番号：20A1150221

移動学習モデルを結合した畳込みニューラルネットワークアルゴリズム研究【JST・京大機械翻訳】

Research on Convolutional Neural Network Algorithm Combined with Transfer Learning Model

著者 (5件)： Qiu Ningjia (長春理工大学 計算机科学技術学院,長春,130022) ,  Wang Xiaoxia (長春理工大学 計算机科学技術学院,長春,130022) ,  Wang Peng (長春理工大学 計算机科学技術学院,長春,130022) ,  Zhou Sicheng (長春理工大学 計算机科学技術学院,長春,130022) ,  Wang Yanchun (長春理工大学 計算机科学技術学院,長春,130022)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 56  号： 5  ページ： 43-48  発行年： 2020年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  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： 従来の畳込みニューラルネットワークアルゴリズムは,訓練集合と試験集合分布が異なるとき,分類精度が低く,ラベル付けコストが高いという問題を解決するために,移動学習モデルを結合した畳込みニューラルネットワークアルゴリズムを提案した。主成分分析(PCA)アルゴリズムを使用して,ソースドメインデータを教師なし次元縮小し,そして,ターゲットデータセットの次元縮小を,自己エンコーダアルゴリズムによって行い,そして,ソースドメインおよびターゲットデータセットを,低次元において,類似した特徴分布を持った。畳込みニューラルネットワークの特徴抽出の特徴に従って,JS発散を用いて,畳込みプールの遷移を識別でき,そして,初期化隠れ層を用いて,全trCNNモデルを補完した。少数のタグ付きターゲットデータセットを用いて訓練を行い,分類モデルの構築を完成した。設計実験により,分類モデルは,少量のタグ付きデータを用いる場合に,正確に分類することができた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *畳込み ,  *学習モデル ,  特徴抽出 ,  主成分分析 ,  次元縮小
準シソーラス用語： 隠れ層 ,  分類精度 ,  低次元 ,  分類モデル ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 学習モデル ,  畳込みニューラルネットワーク ,  アルゴリズム ,  研究