文献

J-GLOBAL ID：202002260953957898   整理番号：20A2283169

Att-DARTS:注意のための微分可能なニューラルアーキテクチャ探索【JST・京大機械翻訳】

Att-DARTS: Differentiable Neural Architecture Search for Attention

著者 (3件)： Nakai Kohei (Kobe University,Graduate School of System Informatics,Hyogo,Japan,657-8501) ,  Matsubara Takashi (Osaka University,Graduate School of Engineering Science,Toyonaka, Osaka,Japan,560-8531) ,  Uehara Kuniaki (Osaka Gakuin University,Faculty of Business Administration,Suita, Osaka,Japan,564-8511)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： ニューラルアーキテクチャ探索(NAS)はニューラルネットワークアーキテクチャを自動的に同定する有望な方法である。微分可能アーキテクチャ検索(DARTS)は,探索時間を大幅に削減し,最先端の性能を達成できるアーキテクチャを発見する方法である。コンピュータビジョンタスクのために,DARTSは,積層畳込み層とプール操作を通して畳込みニューラルネットワーク(CNNs)を検索する。神経アーキテクチャに関する最近の研究は,注意モジュールが関心のない情報を捨てることによってCNNの性能を改善できるが,既存のNAS法はそれにほとんど焦点を置かないことを示している。本研究では,注意モジュールと畳み込みとプール操作を同時に探索するAtt-DARTSを提案した。CIFAR-10とCIFAR-100データセットに関する実験では,Att-DARTSは,低い分類誤り率を達成するアーキテクチャを見つけることができ,DARTSによって見出されたものと比べて,より少ないパラメータを必要とすることを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *微分 ,  誤り率 ,  コンピュータビジョン ,  *計算機アーキテクチャ
準シソーラス用語： ニューラルネットワークアーキテクチャ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 注意 ,  微分 ,  探索