文献

J-GLOBAL ID：202102282013951405   整理番号：21A0459904

厳密解による畳込みニューラルネットワークアーキテクチャ【JST・京大機械翻訳】

Convolutional Neural Network Architecture with Exact Solution

著者 (2件)： Sinha Toshi (Central Queensland University, Brisbane, Qld, Australia) ,  Verma Brijesh (Central Queensland University, Brisbane, Qld, Australia)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1333  ページ： 554-562  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 畳込みニューラルネットワーク(CNN)は,それらの複雑な画像分類能力により厳密に探索され,多くの実世界アプリケーションで応用されている。そのような応用の大部分において,逆伝播型反復学習を用いたCNNの訓練は,標準的な実践となっているが,これは,局所極小や麻痺のような様々な問題のため,CNNの訓練を非常に効率的で不確かにする。正確な解ベースの学習を含む他の反復的および非反復的学習は訓練における精度と確実性に関してより効率的であるかもしれないが,しかし,この型の複合学習の可能性はCNN研究者によって完全には調査されていない。したがって,本論文では,厳密解ベースの新しい畳込みニューラルネットワークアーキテクチャを提案した。提案したアーキテクチャでは,CNN層の重みを固定数の時代の反復プロセスを用いて更新し,次に完全接続層の重みを厳密解プロセスを用いて計算した。次に,反復と計算重みの両方を用いて,完全アーキテクチャを訓練した。CIFAR-10,MNISTTおよびDigitのような3つのベンチマークデータセットについて,提案アプローチを評価した。実験結果は,提案した方式が標準CNNより高い精度を達成できることを証明した。統計的意義検定を行い,提案した方法の有効性を証明した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  学習 ,  *ニューラルネットワーク ,  *厳密解 ,  応用プログラム ,  麻痺性疾患 ,  有効性 ,  ベンチマーク ,  *計算機アーキテクチャ
準シソーラス用語： 画像分類 ,  確実性 ,  反復学習 ,  *ニューラルネットワークアーキテクチャ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： ニューラルネットワーク ,  非反復学習 ,  画像分類

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 厳密解 ,  畳込みニューラルネットワーク ,  アーキテクチャ