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。
アンサンブル学習は機械学習における精度を改善する一般的な技術である。しかし,ConvNetsアンサンブルの重い計算は,深層学習におけるその利用を制限する。本論文では,単一ConvNetにおけるConvNetの集合を組み込んだアーキテクチャであるグループアンサンブルネットワーク(GENet)を提示した。共有ベースおよびマルチヘッド構造を通して,GENetをいくつかのグループに分割して,単一ConvNetにおいて可能な明示的集合学習を行った。グループ畳込みと共有ベースにより,GENetは,単一ConvNetと同じ計算を維持しながら,明示的アンサンブル学習の利点を完全に活用できる。さらに,これらのアンサンブルメンバーを集約する3つの異なる戦略として,グループAverging,グループWaggingおよびグループブースティングを提示した。最後に,GENetは,CIFARとImageNetに関して,より大きな単一ネットワーク,より小さなネットワークの標準集合,および他の最近の最先端の方法より優れている。特に,グループアンサンブルは,ImageNet上のResNeXt-50に対して,トップ-1誤差を1.83%減少させた。また,行動認識と物体検出タスクに対するその有効性を示した。【JST・京大機械翻訳】