文献

J-GLOBAL ID：202002282080569008   整理番号：20A1167085

Co-teachingを用いて学習した2つの畳み込みニューラルネットワークの相補的役割

Two Convolutional Neural Networks Trained through Co-teaching Perform a Complementary Role

著者 (2件)： 佐村俊和 (山口大 大学院創成科学研究科) ,  多田村克己 (山口大 大学院創成科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 471(NLP2019 113-133)  ページ： 61-64  発行年： 2020年03月02日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 深層学習は大量のラベル付けデータを必要とするが,そのラベル付けのコスト低減として,誤ったラベル付け(ラベルノイズ)を許容できる学習法が考えられる.その1つに,2つのネットワークが協調的に学習することでラベルノイズを許容するCo-teaching学習法が提案されている.本研究では,同学習法を用いて同じデータから協調的に学習した2つのネットワークであっても,その出力をアンサンブルして利用することで識別性能の上昇を示し,これらのネットワークの出力から相補的な情報が得られることを示唆する.(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  原価低減 ,  文書 ,  ラベル ,  *学習 ,  協調作業 ,  周波数解析 ,  融合 ,  認識 ,  *畳込みニューラルネットワーク ,  *深層学習 ,  減少 ,  変化
準シソーラス用語： アンサンブル経験的モード分解 ,  コスト低減 ,  ラベル付け【文書】 ,  *協調学習 ,  識別

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (4件)：

• 吉川和男, 三五大輔, 柴山卓史, 杉本惇, ′′光学衛星 SAR衛星によるリモートセンシング,′′ 砂防学会誌, vol.71, no.5, pp.77-80, 2019.
• 植田大介, 間普真吾, 呉本尭, ′′災害前後 SAR画像とDEMデータを用いたCNNによる土砂災害検出,′′ 人工知能学会全国大会論文集 第32回全国大会(2018), pp.1D102, 2018.
• B. Han et al., ′′Co-teaching: Robust Training of Deep Neural Networks with Extremely Noisy Labels,′′ ArXiv180406872, 2018.
• A. Krizhevsky, ′′Learning Multiple Layers of Features from Tiny Images,′′ 2009.

タイトルに関連する用語 (4件)： CO ,  学習 ,  畳み込みニューラルネットワーク ,  役割