文献

J-GLOBAL ID：202002285014977564   整理番号：20A2277428

二重圧密機構に基づく畳込みニューラルネットワークのクラス増分学習【JST・京大機械翻訳】

Class-Incremental Learning of Convolutional Neural Networks Based on Double Consolidation Mechanism

著者 (3件)： Jin Leilei (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, China) ,  Liang Hong (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, China) ,  Yang Changsheng (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 172553-172562  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： クラスインクリメンタル学習は,分類モデルが新しいターゲットクラスを漸増的に学習し,知識蓄積を実現するのに役立つモデル学習技術である。それは,機械学習と分類コミュニティの主要な関心事のひとつになった。ネットワークがマルチクラスデータストリーム上で順次訓練されたときに起こる壊滅的忘却を克服するために,二重圧密クラス増分学習(DCCIL)法を提案した。増分学習プロセスにおいて,ネットワークパラメータを知識蒸留と弾性重量強化を結合することによって調整して,ネットワークが古いクラスの認識能力をより良く維持し,一方,新しいものを学習した。増分学習実験を設計し,提案した方法をEWC,LwF,iCaRLのような一般的な増分学習法と比較した。実験結果は,提案したDCCIL方式が現在のポピュラーなインクリメンタル学習アルゴリズムのものより良い増分精度を達成することができて,それは分類モデルの拡張性とインテリジェンスを効果的に改良することができることを示した。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： *圧密 ,  アルゴリズム ,  *学習 ,  *ネットワーク ,  蒸留 ,  弾性 ,  コミュニティ ,  機械学習
準シソーラス用語： 学習過程 ,  インクリメンタル学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 圧密 ,  畳込みニューラルネットワーク ,  クラス ,  学習