連続ヒストグラム損失:神経類似性を超えて【JST・京大機械翻訳】

Zholus Artem; Putin Evgeny

プレプリント

J-GLOBAL ID：202202203312367150 整理番号：22P0131713

連続ヒストグラム損失:神経類似性を超えて【JST・京大機械翻訳】

Continuous Histogram Loss: Beyond Neural Similarity

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： 2020年04月06日プレプリントサーバーでの情報更新日： 2020年04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)

類似性学習は,近年,多くの研究から多くの注目を得て,成功したアプローチのトンが最近提案された。しかしながら,最先端の類似性学習法の大多数は,二値類似性のみを考慮する。本論文では,最近提案されたヒストグラム損失を多値類似性に一般化する連続ヒストグラム損失(CHL)と呼ばれる新しい損失関数を導入し,即ち,いくつかの範囲内で連続的に分布する類似性の許容値を可能にした。新しい損失関数は,異なる方法で2Dヒストグラムにペアワイズ距離と類似性を集約することによって計算され,次に,ペアワイズ距離が類似性増加として減少しない条件の確率を計算する。新しい損失は,類似性学習,表現学習およびデータ可視化を含む広範囲のタスクを解決することができる。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, , ,

前のページに戻る