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。
畳込みニューラルネットワーク(CNN)は,最近,その適応学習能力,特に深い構成により,画像雑音除去のための好ましい技法となっている。しかし,それらの効果は,線形畳込みのユニークな使用によるそれらの均一なネットワーク形成のために本質的に制限される。本研究では,データ変換のコアに追加の非線形性を埋め込むためのより大きな柔軟性を可能にする異種ネットワークモデルを提案した。この目的のために,著者らは,操作ニューロンまたは操作ニューラルネットワーク(ONN)のアイデアを提案し,それは,層間および層内ニューロン多様性の両方を用いて,柔軟な非線形および不均一構成を可能にした。さらに,筆者らは,任意のアーキテクチャにおける非線形性に対するデータ駆動選択を行うことができる,Synaptic Plasticity Monitoring(SPM)と呼ばれるHebbian理論に触発されたロバスト演算子探索戦略を提案する。2つの厳しい画像雑音除去問題に対するONNとCNNの比較評価の広範囲なセットは,非線形演算子によって富化されたONNが,等価とよく知られた深い配置の両方を有するCNNに対して優れた雑音除去性能を達成できるという決定的証拠を与える。【JST・京大機械翻訳】