抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
AIコミュニティは,それらの様々な応用(例えば,ターゲット探索と3Dマッピング)により,サブモジュール機能に注意を払っている。N集合の関数結果の数が2Nであるので,学習サブモジュール関数は挑戦課題である。最先端の手法は圧縮センシング技術に基づいており,それはFourierドメインにおけるサブモジュール関数を学習し,次に空間領域におけるサブモジュール関数を復元する。しかし,Fourier塩基の数は,重複検出の回数に関連する。この課題を克服するために,本研究では,サブモジュール関数を学習するためのサブモジュラ深圧縮センシング(SDCS)アプローチを提案した。アルゴリズムは,学習オートエンコーダネットワークとフーリエ係数から成る。学習されたネットワークを適用して,サブモジュール関数の2つのN値を予測した。このアプローチで行った実験は,アルゴリズムがベンチマーク手法よりも効率的であることを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】