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。
最近の研究では,単一アーキテクチャ内であらかじめ定義されたフィルタと学習フィルタを結合するハイブリッドネットワークが,理論解析により,また,データ制限シナリオで過剰適合する傾向があることを示した。しかし,それらの性能は,十分な量の訓練データが利用可能であるとき,従来の対応物に対して競合性を証明していない。現在のハイブリッドネットワークのこのコア限界に対処する試みにおいて,効率的なハイブリッドネットワーク(E-HybridNet)を導入した。多様なデータセットにおいて,従来の対応物を一貫して凌駕する最初の散乱ベースアプローチであることを示した。それは,ハイブリッド融合ブロックを用いてネットワークフローに散乱特徴を埋め込む新しい誘導アーキテクチャによって達成される。また,提案した設計は,事前ハイブリッドネットワークの重要な特性,即ち,データ制限シナリオにおける効果的な一般化を継承することを実証した。提案アプローチは,2つの世界,すなわち,学習特徴の柔軟性と電力,および散乱表現の安定性と予測可能性の最良の組み合わせに成功した。【JST・京大機械翻訳】