文献

J-GLOBAL ID：202002286073944746   整理番号：20A2571918

双対性ダイアグラム類似性:タスク転送学習における初期化選択のための一般的フレームワーク【JST・京大機械翻訳】

Duality Diagram Similarity: A Generic Framework for Initialization Selection in Task Transfer Learning

著者 (5件)： Dwivedi Kshitij (Department of Computer Science, Goethe University Frankfurt, Frankfurt, Germany) ,  Dwivedi Kshitij (Department of Education and Psychology, Freie Universitaet Berlin, Berlin, Germany) ,  Huang Jiahui (ISTD, Singapore University of Technology and Design, Singapore, Singapore) ,  Cichy Radoslaw Martin (Department of Education and Psychology, Freie Universitaet Berlin, Berlin, Germany) ,  Roig Gemma (Department of Computer Science, Goethe University Frankfurt, Frankfurt, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12371  ページ： 497-513  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,いくつかの事前訓練モデルを与えて,新しいタスクで高性能を達成するためにモデル初期化を選択する,転送学習における未解決研究問題に取り組んだ。深層ニューラルネットワーク(DNN)間の双対性ダイヤグラム類似性(DDS)に基づく新しい非常に効率的で正確な手法を提案した。DDSは,異なる特徴次元のデータを表現および比較するための一般的なフレームワークである。17のタスクノミータスクに関する実際の転送学習性能ランキングと予測ランキングの間の対応を測定することによって,タスクノミーデータセットに関する著者らのアプローチを検証した。[数式:原文を参照]転送に対するDDSベースランキングの計算は,2分未満を必要とし,実際の転送学習ランキングとの高い相関(0.86)を示し,タスクノミーベンチマーク上の大きなマージン([数式:原文を参照])による最先端の方法より優れている。また,著者らのモデル選択アプローチのロバスト性を,新しいタスク,即ち,Pascal VOC意味セグメンテーションに対して示した。さらに,NYUv2とPascal VOCデータセットに関する2D,3Dおよび意味タスクに関する転送学習のためのDNN内の最良層位置を選択するために,この方法を適用できることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相似解 ,  *双対性 ,  *学習 ,  セグメンテーション ,  二次元 ,  等級づけ ,  三次元 ,  類似性 ,  ロバスト性
準シソーラス用語： ダイアグラム ,  モデル選択 ,  転移学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 転移学習 ,  深層ニューラルネットワーク類似性 ,  双対性ダイアグラム類似性 ,  表現類似性解析

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 双対性 ,  ダイアグラム ,  類似性 ,  タスク ,  転送 ,  学習 ,  初期化 ,  フレームワーク