文献

J-GLOBAL ID：202002274961701731   整理番号：20A2283058

SAFE-DNN:雑音ロバスト推論のためのスパイク支援特徴抽出による深層ニューラルネットワーク【JST・京大機械翻訳】

SAFE-DNN: A Deep Neural Network With Spike Assisted Feature Extraction For Noise Robust Inference

著者 (5件)： She Xueyuan (Georgia Institute of Technology,School of Electrical and Computer Engineering,Atlanta,USA) ,  Saha Priyabrata (Georgia Institute of Technology,School of Electrical and Computer Engineering,Atlanta,USA) ,  Kim Daehyun (Georgia Institute of Technology,School of Electrical and Computer Engineering,Atlanta,USA) ,  Long Yun (Georgia Institute of Technology,School of Electrical and Computer Engineering,Atlanta,USA) ,  Mukhopadhyay Saibal (Georgia Institute of Technology,School of Electrical and Computer Engineering,Atlanta,USA)
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： 入力の確率的摂動の下で分類のロバスト性を改善するために,スパイク支援特徴抽出(SAFE-DNN)を有する深層ニューラルネットワークを提示した。提案したネットワークは,スパイクタイミング依存塑性(STDP)を有するスパイキングニューラルネットワーク(SNN)を用いて,低レベル特徴の教師なし学習でDNNを強化する。グローバル特徴検出と分類を実行する間,完全なネットワークは局所摂動を無視するように学習する。CIFAR-10とImageNet部分集合に関する実験結果は,クリーン画像上の精度を犠牲にすることなく,複数のDNNアーキテクチャに対する雑音ロバスト性の改善を実証した。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： 塑性 ,  *雑音 ,  *ネットワーク ,  教師なし学習 ,  *特徴抽出 ,  摂動 ,  計算機アーキテクチャ ,  *ロバスト性
準シソーラス用語： スパイキングニューラルネットワーク ,  特徴検出 ,  *ディープ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 (7件)： 雑音 ,  ロバスト ,  推論 ,  スパイク ,  支援 ,  特徴抽出 ,  深層ニューラルネットワーク