文献

J-GLOBAL ID：202002286653532388   整理番号：20A1103999

教師のホームページを認識するためのマルチモーダル生成と融合フレームワーク【JST・京大機械翻訳】

A multimodal generative and fusion framework for recognizing faculty homepages

著者 (5件)： Yu Guanyuan (School of Economic Information Engineering, Southwestern University of Finance and Economics, Chengdu, China) ,  Li Qing (School of Economic Information Engineering, Southwestern University of Finance and Economics, Chengdu, China) ,  Wang Jun (School of Economic Information Engineering, Southwestern University of Finance and Economics, Chengdu, China) ,  Zhang Di (School of Economic Information Engineering, Southwestern University of Finance and Economics, Chengdu, China) ,  Liu Yuehao (School of Economic Information Engineering, Southwestern University of Finance and Economics, Chengdu, China)
資料名： Information Sciences  (Information Sciences)
巻： 525  ページ： 205-220  発行年： 2020年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルチモーダルデータは,各モードが同じ属性を共有する類似データのグループであるいくつかのデータモードから成る。テキスト,画像,およびレイアウトを含む3つの異なる情報源から,目標のfacul行ったホームページが決定される多モード分類問題である。従来の研究における従来の戦略は,様々な情報源から合成ベクトルへの特徴を連結するか,あるいは最終予測のためのより強い分類器に組み立てられるいくつかの異なる分類器に別々に入力することである。しかし,両アプローチは異なる特徴集合間の接続を無視する。このような関係は多モード分類を強化するために不可欠であることを論じた。さらに,facul行ったホームページを認識することは,少数クラスのサンプルの総数が他のクラスのサンプル数よりはるかに小さいクラス不均衡問題である。本研究では,不均衡データと相互依存特徴モードの問題による多モード学習のための多モード生成と融合フレームワークを提案した。具体的には,まず,各モードに基づく擬似特徴を生成することにより,データセットを再平衡化し,それらを偽サンプルを記述するために組み合わせるために,多モード生成敵ネットワークを最初に導入した。次に,ゲートと融合機構によるゲート融合ネットワークを提示して,ノイズを減少して,一般化能力を改良して,種々の特徴モードの間のリンクを捕えた。教授のホームページデータセットに関する実験は,提案したフレームワークの優位性を示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  ベクトル ,  学習 ,  情報源 ,  ネットワーク ,  *多モード ,  *ホームページ

著者キーワード (3件)： ホームページ ,  マルチモーダル生成的敵対ネットワーク ,  ゲート核融合ネットワーク

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

タイトルに関連する用語 (5件)： 教師 ,  ホームページ ,  マルチモーダル ,  融合 ,  フレームワーク