文献

J-GLOBAL ID：202002288666046977   整理番号：20A0963883

雑音ラベルによるディープニューラルネットワークの解析【JST・京大機械翻訳】

Analyzing Deep Neural Networks with Noisy Labels

著者 (3件)： Lim Chan (Sungkyunkwan University, Republic of Korea) ,  Han Sangwoo (Sungkyunkwan University, Republic of Korea) ,  Lee Jongwuk (Sungkyunkwan University, Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BigComp  ページ： 571-574  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： 雑音のあるラベルを持つ深いニューラルネットワーク(DNNs)の訓練は,DNNsにおける一般化を達成する上で基本的な問題である。最近の研究では,小さな損失を持つサンプルをクリーンなものと見なし,DNNsが最初に単純で容易なパターンを学習する傾向があり,次にすべてのデータを徐々に記憶するという発見に基づいて,サンプル選択を採用した。本論文では,クリーンで雑音のあるラベルを持つ訓練サンプルの損失分布を観察することにより,サンプル選択をさらに検討した。実験結果において,クリーンで雑音のあるサンプルによる損失分布は初期段階で異なり,徐々に類似の分布に収束することを見出した。さらに,この現象は,データセットおよび対称性と対のような雑音タイプに依存して著しく異なる。これらの知見に基づいて,サンプル選択法は雑音のあるラベルを持つDNNsの学習における初期停止条件を考慮すべきであることを論じた。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： *雑音 ,  対称性 ,  *ニューラルネットワーク
準シソーラス用語： 選択法 ,  *ディープニューラルネットワーク , 【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 (4件)： 雑音 ,  ラベル ,  ディープニューラルネットワーク ,  解析