文献

J-GLOBAL ID：202202219277766952   整理番号：22A0919944

認識タスクにおける変動性補償のための改良型深層アトラクタニューラルネットワーク【JST・京大機械翻訳】

Modified deep attractor neural networks for variability compensation in recognition tasks

著者 (3件)： Reza Shaghayegh (Biomedical Engineering Department, Amirkabir University of Technology, Tehran, Iran) ,  Seyyedsalehi Seyyed Ali (Biomedical Engineering Department, Amirkabir University of Technology, Tehran, Iran) ,  Seyyedsalehi Seyyede Zohreh (Department of Biomedical Engineering, Faculty of Health, Tehran Medical Sciences, Islamic Azad University, Tehran, Iran)
資料名： Computers and Electrical Engineering  (Computers and Electrical Engineering)
巻： 99  ページ： Null  発行年： 2022年 
JST資料番号： D0546B  ISSN： 0045-7906  CODEN： CPEEBQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： いくつかの脳機能は,ヒト神経系におけるアトラクタ形成で記述できる。様々な生物学的にヒントを得たモデルは,記憶表現,パターン完了および雑音低減のためにこの特性を採用した。トラクタニューラルネットワークは,それらの反復接続を用いてアトラクタと呼ばれる安定パターンに沈降できるこれらのモデルの一つである。深いアトラクタニューラルネットワーク(DANets)は,そのアトラクタを利用して,混合物中のソースを分離するために,比較的新しいモデルである。本論文では,DANet,変動性補償アトラクタニューラルネットワーク(VCANet)の修正版;提案する。このモデルは,認識タスクにおける性能劣化の一般的な情報源である変動性を補償する。この目的のために,アトラクタの計算,マルチタスク学習,カリキュラム学習,挑戦的なサンプルのマイニング,および特別なミニバッチ訓練手順を含むDANetの構造と訓練手順に,有意な修正を適用した。音響ランドマーク認識のための手書き数字認識とFARSDATデータセットのためのMNISTTとMNIST-Cデータセットに関する実験は,VCANetが認識精度を効果的に改善し,不要な変動性を減らすことができることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  情報源 ,  *トラクタ ,  音響 ,  神経系 ,  *ニューラルネットワーク ,  生物学 ,  ヒト ,  カリキュラム ,  記憶 ,  雑音低減 ,  *アトラクタ ,  ロバスト性 ,  雑音除去
準シソーラス用語： 脳機能 , 【Automatic Indexing@JST】

著者キーワード (4件)： ロバストな認識 ,  雑音除去オートエンコーダ ,  深いアトラクタニューラルネットワーク ,  変動性補償

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： タスク ,  変動性 ,  補償 ,  深層