DeConFuse:深層畳込み変換ベースの教師なし融合フレームワーク【JST・京大機械翻訳】

Gupta Pooja; Maggu Jyoti; Majumdar Angshul; Chouzenoux Emilie; Chierchia Giovanni

プレプリント

J-GLOBAL ID：202202204943161347 整理番号：22P0208039

DeConFuse:深層畳込み変換ベースの教師なし融合フレームワーク【JST・京大機械翻訳】

DeConFuse : A Deep Convolutional Transform based Unsupervised Fusion Framework

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11月09日プレプリントサーバーでの情報更新日： 2020年11月09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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本研究では,深い畳込み変換学習に基づく教師なし融合フレームワークを提案した。データ解析のための畳み込みフィルタの大きな学習能力はよく認識されている。畳込みニューラルネットワーク(CNN)に対する畳込み特徴の成功。しかしながら,CNNは教師なし方式で学習タスクを実行できない。最近の研究では,そのような欠点は畳み込み変換学習(CTL)アプローチを採用することによって対処でき,そこでは畳込みフィルタが教師なし方式で学習されることを示す。(i)CTLの深いバージョンを提案する。(ii)提案した深いCTL表現を利用した教師なし融合定式化を提案する。(iii)学習タスクを行うための数学的に健全な最適化戦略の開発。著者らは,ストック予測と取引の問題点に関して,DeConFuseと呼ぶ提案技術を適用した。最先端の方法(CNNと長い短期メモリネットワークに基づく)との比較は,信頼できる特徴抽出を行うための著者らの方法の優位性を示す。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , , ,

前のページに戻る