文献

J-GLOBAL ID：202102232208087543   整理番号：21A1147053

カプセル条件付き生成敵対ネットワーク【JST・京大機械翻訳】

A Capsule Conditional Generative Adversarial Network

著者 (4件)： Chang Jieh-Ren (National Ilan University,Department of Electronic Engineering,Taiwan) ,  Chen You-Shyang (Hwa Hsia University of Technology,Department of Information Management,Taiwan) ,  Yipeng Bao (National Ilan University,Department of Electronic Engineering,Taiwan) ,  Hsu Tzu-Lin (National Ilan University,Department of Electronic Engineering,Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： TAAI  ページ： 175-180  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： Generative Adversarial Network(GAN)は,現在,機械学習における最も一般的な研究題目の一つである。それは,主に2つの競合ネットワーク,発電機ネットワークと識別器ネットワークを用いて,実際のサンプルの分布から学習する。実際のサンプル分布の複雑性は,訓練プロセスにおける生成敵対ネットワークの安定性における多くの問題をもたらす。深い畳み込み型遺伝的アルゴリズム(DCGAN)を導入して,いくつかの問題を解決した。結果の性能品質はDCGANによって著しく改善されたが,それはまだ現実的データを作り出すのに失敗した。DCGAN上の欠陥のため,本論文は,カプセルネットワーク構造を条件付き世代敵対ネットワークに含んで,カプセルCGAN(Capsule Conditional Generative Networkal Network)アーキテクチャを提案する。MNISTデータセットに関する実験を通して,CGANとDCGANを比較して,結果は,提案したカプセルCGANアーキテクチャが首尾よく訓練できることを示した。実験結果から,高品質画像を生成するだけでなく,多様性としてマップを生成することもできる。最後に,将来の研究における改善のためのいくつかの前向き提案とアイデアを提示した。Copyright 2021 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： 畳込み ,  弁別器 ,  *ネットワーク ,  カプセル ,  ネットワーク構造 ,  計算機アーキテクチャ ,  機械学習 ,  遺伝的アルゴリズム
準シソーラス用語： 複雑性 ,  高品質 , 【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 (2件)： カプセル ,  敵対