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。
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】