共変シフトロバスト性のための自己管理動的ネットワーク【JST・京大機械翻訳】

Cohen Tomer; Shulman Noy; Morgenstern Hai; Mechrez Roey; Farhan Erez

プレプリント

J-GLOBAL ID：202202203150429563 整理番号：22P0156124

共変シフトロバスト性のための自己管理動的ネットワーク【JST・京大機械翻訳】

Self-Supervised Dynamic Networks for Covariate Shift Robustness

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 (5件)： , , , ,
資料名：
発行年： 2020年06月06日プレプリントサーバーでの情報更新日： 2020年06月06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)

教師つき学習は,まだ多くのAIアプリケーションを支配しているので,試験時間性能は,しばしば予想外である。特に,バックグラウンドノイズ,照明変動または転写誤差のような典型的な nu感によって引き起こされた入力共変量のシフトは,予測精度の有意な減少につながる。最近,自己スーパービジョンを組み込むことが共変量シフトロバスト性を著しく改良できることを示した。本研究では,自己教師付き動的ネットワーク(SSDN)を提案し,動的ネットワークに触発された入力依存メカニズムを提案し,自己監督ネットワークが主ネットワークの重みを予測し,その結果,試験時間における共変量シフトを直接処理する。異なる共変量シフトの下での画像分類問題に関する提案方法の概念および経験的利点を提示し,それが同等の方法を著しく凌ぐことを示した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る