文献

J-GLOBAL ID：202202210862018606   整理番号：22A0552900

ラベル制限領域におけるイベントベーストレーニング【JST・京大機械翻訳】

Event-Based Training in Label-Limited Regimes

著者 (1件)： Linville Lisa M. (Sandia National Laboratories, Albuquerque, NM, USA)
資料名： Journal of Geophysical Research: Solid Earth  (Journal of Geophysical Research: Solid Earth)
巻： 127  号： 1  ページ： e2021JB022820  発行年： 2022年 
JST資料番号： W2388A  ISSN： 2169-9313  CODEN： JGREA2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 例えば,特定のソース,例えば大きさに対する独立センサに関するデータを用いて割り当てられた属性の分布は,最終事象キャラクタリゼーションおよび関連する不確実性に対して豊富に記述することができる。属性分布も,包括的な注釈がない場合のイベント特性化のための強力なコンテキストを提供できる。本研究は,勾配ベース学習中に適用した領域情報正則化項として,包括的注釈がない場合に,一連のセンサを通して分布情報を利用する方法を開発する。正則化項は,Iが強力な半教師つき学習(SSL)アプローチであることができるイベントベース訓練の基礎である。まず,簡単なフィードフォワードニューラルネットワークとトイデータセットを用いて,データセット構造が多くの半教師つき学習手法に固有の仮定とどのように相互作用するかを概説した。次に,Utahにおける地震事象分類のための深い畳み込みニューラルネットワークを用いたイベントベース訓練の有効性を実証し,それは,限られた数の訓練ラベルによるイベント分類において,SSL精度を92%から97%に増加させた。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  地震活動 ,  学習 ,  不確実性 ,  *ラベル ,  ニューラルネットワーク ,  精度 ,  地震 ,  センサ ,  正則化 ,  キャラクタリゼーション ,  機械学習 ,  アノテーション
準シソーラス用語： フィードフォワードニューラルネットワーク ,  半教師つき学習 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 識別 ,  ユタ州の地震活動カタログ ,  半教師つき学習 ,  ソースのキャラクタリゼーション ,  深層学習 ,  非標識ラベル

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： ラベル ,  制限