文献

J-GLOBAL ID：202002277661783736   整理番号：20A2766894

二値分類問題における人工ニューラルネットワークの改質アーキテクチャと損失関数【JST・京大機械翻訳】

Reforming Architecture and Loss Function of Artificial Neural Networks in Binary Classification Problems

著者 (2件)： Dastgheib Mohammad A. (Amirkabir University of Technology (Tehran Polytechnic),Faculty of Electrical Engineering,Tehran,Iran) ,  Raie Abolghasem A. (Amirkabir University of Technology (Tehran Polytechnic),Faculty of Electrical Engineering,Tehran,Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICEE  ページ： 1-6  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： 人工ニューラルネットワーク(ANNs)は,生物学的ヒト脳神経のモデルを意味しており,現在,広範囲の応用を伴う機械学習および計算知能における主要技術として長い歴史があり,それらの大きな成功のために大きな興味が持たれている。分類は,広大な成長している文献を有するANNsにおける研究の最もポピュラーな実情の1つである。著者らの革新は,ANNのための損失関数を革命することであり,ニューラルネットワーク(NN)の最後の層の新しいアーキテクチャに従って,動的閾値化を適用して,その確率の延長値に基づくサンプルのラベルを決定しながら,動的閾値化を適用する。したがって,データの複雑性をより識別し,より良い定量的結果を達成する。数学的議論を通して著者らのアプローチを特にバイナリ分類のために確立したが,概念と定式化は,マルチクラス分類問題に対して完全かつ客観的に一般化可能である。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： *損失関数 ,  *ニューラルネットワーク ,  ヒト ,  人工知能 ,  脳神経 ,  定式化 ,  *計算機アーキテクチャ ,  機械学習
準シソーラス用語： 複雑性 ,  動的閾値 ,  *二値分類 , 【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 (5件)： 二値分類 ,  人工ニューラルネットワーク ,  改質 ,  アーキテクチャ ,  損失関数