ニューラル常微分方程式を用いた銀河形態分類【JST・京大機械翻訳】

Gupta Raghav; Srijith P. K.; Desai Shantanu

プレプリント

J-GLOBAL ID：202202211012268454 整理番号：22P0003568

ニューラル常微分方程式を用いた銀河形態分類【JST・京大機械翻訳】

Galaxy Morphology Classification using Neural Ordinary Differential Equations

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 (3件)： , ,
資料名：
発行年： 2020年12月14日プレプリントサーバーでの情報更新日： 2021年12月30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。

銀河形態分類の目的で,ニューラル常微分方程式(NODE)と呼ばれる残差ネットワーク(ResNet)の連続深さバージョンを導入した。Galaxy Zoo 2データセットからの銀河画像の分類を行い,5つの異なるクラスから成り,画像クラスに依存して91~95%の精度を得た。随伴および適応チェックポイントアドジョイント(ACA)のような異なる数値技法を用いてNODEを訓練し,それらをResNetに対して比較した。ResNetは,時間消費アーキテクチャ選択(例えば,層数)と訓練に必要な大きなデータセットの要求のような特定の欠点を持つが,NODEはこれらの限界を克服することができる。その結果,NODEの精度はResNetと同等であり,使用したパラメータの数はResNetと比較して約1/3であり,従って,次世代調査に利益をもたらすより小さなメモリフットプリントをもたらすことが分かった。【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