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。
畳み込みニューラルネットワーク(CNN)は,通常,2つの操作に基づく人工学習システムであり,それは,フィルタリングを通して特徴抽出を実行し,そして,次元縮小を実行する,プール化を実行する。CNNの分類性能におけるプールの影響をいくつかの以前の研究で強調し,様々な代替プールオペレータを提案した。しかし,それらのいくつかは,入力層から隠れ層の特徴マップに自然に伝播する不確実性に取り組まれる。本論文では,特徴マップの局所不正確さに対処するために,(タイプ1)ファジィ集合に基づく新しいプール操作を提案し,画像分類の文脈におけるその性能を調べた。ファジィプールは,特徴マップ近隣のファジィ化,凝集および脱ファジィ化によって実行した。それは,CNNアーキテクチャの電流,クリスプ,プール層のドロップイン置換として適用可能なファジープール層の構築に使用される。公開利用可能なデータセットを用いたいくつかの実験は,提案した方式がCNNの分類性能を強化できることを示した。比較評価は,それが最先端のプールアプローチより優れていることを示した。【JST・京大機械翻訳】