幾何学的事前知識による深層ニューラルネットワークのブースティング:サーベイ【JST・京大機械翻訳】

Rath Matthias; Condurache Alexandru Paul

プレプリント

J-GLOBAL ID：202202205893521858 整理番号：22P0165599

幾何学的事前知識による深層ニューラルネットワークのブースティング:サーベイ【JST・京大機械翻訳】

Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey

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06月30日プレプリントサーバーでの情報更新日： 2023年03月03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)

深層ニューラルネットワークは,膨大な量の訓練データを利用することによって,多くの異なる問題設定で最先端の結果を達成する。しかし,教師つき学習のケースにおいて,収集,保存,および,データは高価で時間がかかる。さらに,ネットワークが通常ブラックボックスとして扱われるので,ネットワーク一般化能力の評価,または入力変換の下で推論された出力変化がどのように複雑であるかを予測する。これらの問題の両方は,ニューラルネットワークに事前知識を組み込むことによって軽減できる。コンピュータビジョンタスクにおける畳み込みニューラルネットワークの成功に触発された1つの有望なアプローチは,予測可能な方法で出力に影響を及ぼす問題を解決するための問題の対称幾何学的変換に関する知識を組み込むことである。これは,増加したデータ効率とより解釈可能なネットワーク出力を約束する。本調査では,ニューラルネットワークに幾何学的事前知識を組み込んだ異なるアプローチについて簡潔な概観を与えることを試みた。さらに,これらの方法を自律運転のための3D物体検出に接続し,ここでは,これらの方法を適用するとき有望な結果が期待できる。【JST・京大機械翻訳】

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

人工知能 , ニューロコンピュータ

, , ,

前のページに戻る