深層学習機能が画像から学習する特徴空間における決定境界と凸包【JST・京大機械翻訳】

Yousefzadeh Roozbeh

プレプリント

J-GLOBAL ID：202202206235300330 整理番号：22P0286664

深層学習機能が画像から学習する特徴空間における決定境界と凸包【JST・京大機械翻訳】

Decision boundaries and convex hulls in the feature space that deep learning functions learn from images

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 (1件)：
資料名：
発行年： 2022年02月05日プレプリントサーバーでの情報更新日： 2022年05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)

画像分類と学習における深層ニューラルネットワークの成功は,画像から抽出した特徴に部分的に起因する。画像から抽出および学習する低次元多様体の性質についてしばしば推測される。しかし,理論または経験的証拠に基づくこの低次元空間に関する十分な理解はない。画像分類モデルのために,それらの最後の隠れ層は,各々のクラスの画像を他のクラスから分離するひとつであり,それはまた,特徴の最少数を持った。ここでは,任意のモデルに対する特徴空間を研究するための方法と定式化を開発した。特徴空間における領域の分割を研究し,ある分類を持つ保証領域を同定し,画素空間に対するその含意を調べた。特徴空間における決定境界の幾何学的配置は,ピクセル空間と比較して著しく異なり,敵対的脆弱性,画像モーフィング,外挿,分類における曖昧さ,および画像分類モデルの数学的理解に関する洞察を提供する。【JST・京大機械翻訳】

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

パターン認識 , 図形・画像処理一般 , 人工知能

, , , ,

前のページに戻る