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。
2Dおよび3D形状を生成するプログラムは,リバースエンジニアリング,編集およびより重要である。このタスクを実行するための訓練モデルは,対(形状,プログラム)データが多くのドメインに対して容易に利用できないため,複雑であり,正確な教師つき学習を実行不可能にしている。しかし,割り当てられたプログラムラベルまたは形状分布のいずれかの精度を損なうことによって,対データを得ることは可能である。Wake-slep法は,実際の形状の分布を近似するために形状プログラムの生成モデルからサンプルを使用する。自己訓練において,形状は認識モデルを通して通過し,それらの形状に対して”擬似ラベル”として扱われるプログラムを予測する。これらのアプローチに関連して,プログラム擬似ラベルがそれらの実行出力形状と対になったプログラム推論に特有な新しい自己訓練バリアントを導入し,近似形状分布のコストでラベル不整合を回避した。擬似LabelsまたはApproximate分布(PLAD)のいずれかからソースされた最尤更新により訓練を行う単一概念フレームワークの下でこれらの体制をグループ化することを提案する。多重2Dと3D形状プログラム推論領域に関するこれらの技術を評価した。政策勾配強化学習と比較して,PLAD技術はより正確な形状プログラムを推論し,かなり速く収束することを示した。最後に,単一モデルの訓練内で異なるPLAD法から更新を結合することを提案し,このアプローチが任意の個々の手法より優れていることを見出した。【JST・京大機械翻訳】