学習閾値化による変分スパース符号化【JST・京大機械翻訳】

Fallah Kion; Rozell Christopher J.

プレプリント

J-GLOBAL ID：202202200278013565 整理番号：22P0345810

学習閾値化による変分スパース符号化【JST・京大機械翻訳】

Variational Sparse Coding with Learned Thresholding

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年05月07日プレプリントサーバーでの情報更新日： 2022年09月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

スパース符号化戦略は,低次元構造を利用するデータのそれらの簡素な表現のためにラウドされた。しかし,これらのコードの推論は,高次元問題における貧弱な計算スケーリングによる最適化手順に典型的に依存する。例えば,深層ニューラルネットワーク(DNN)の高次元中間層で学習された表現におけるスパース推論は,各訓練段階で実行される反復最小化を必要とする。そのようなように,DNNによる符号上の分布を学習することにより,スパース符号を推論するために,変分推論における最近の迅速な方法が提案されている。本研究では,問題緩和の利用を避けて,閾値化サンプルによってスパース分布を学習することを可能にする,変分スパース符号化に対する新しいアプローチを提案した。最初に,線形発電機を訓練することにより,この方法を評価し,解析し,他のスパース分布と比較して,優れた性能,統計的効率,および勾配推定を示した。次に,Fashion MNISTとCelebAデータセットのDNN発生器を用いて標準変分自動符号器と比較した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 人工知能

, , ,

前のページに戻る