文献

J-GLOBAL ID：202102225379059689   整理番号：21A3307486

特定のランク制御セマンティックオートエンコーダによるゼロショット学習【JST・京大機械翻訳】

Zero-shot learning via a specific rank-controlled semantic autoencoder

著者 (6件)： Liu Yang (State Key Laboratory of Integrated Services Networks, Xidian University, Shaanxi 710071, China) ,  Gao Xinbo (Chongqing Key Laboratory of Image Cognition, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ,  Gao Xinbo (State Key Laboratory of Integrated Services Networks, Xidian University, Shaanxi 710071, China) ,  Han Jungong (Computer Science Department, Aberystwyth University, Aberystwyth SY23 3FL, UK) ,  Liu Li (Inception Institute of Artificial Intelligence, Abu Dhabi, United Arab Emirates) ,  Shao Ling (Inception Institute of Artificial Intelligence, Abu Dhabi, United Arab Emirates)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 既存の埋込みゼロショット学習モデルは,通常,視覚特徴空間から意味埋込み空間,例えば属性空間または単語ベクトル空間への投影関数を学習する。しかし,観測されたサンプルに基づいて学習された投影は,ZSLにおける投影領域シフト問題として知られている,クラスを良好に一般化しないかもしれない。この課題に取り組むために,再構成誤差のスパース特徴を維持するため,低ランクセマンティック自動符号器(LSA)と名付けた方法を提案して,ゼロショット学習能力をさらに改善することができた。さらに,非意味クラスに対するよりロバストな投影を得るために,射影のランクを正確に制御するために,特定のRank制御セマンティック自動符号器(SRSA)を提案した。6つのベンチマークに関する広範な実験は,標準ゼロショット設定とより現実的な一般化ゼロショット設定の下で,ほとんどの既存の埋込みZSLモデルに対する提案モデルの優位性を実証した。Copyright 2021 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： ベクトル空間 ,  *学習 ,  学習モデル ,  符号器 ,  再構成 ,  射影 ,  ベンチマーク ,  単語 ,  ロバスト性
準シソーラス用語： 学習能力 ,  視覚顕著 ,  *自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (4件)： ゼロショット学習 ,  ランク ,  ドメインシフト ,  オートエンコーダ

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 (3件)： オートエンコーダ ,  ショット ,  学習