ファジィプーリング【JST・京大機械翻訳】

Diamantis Dimitrios E.; Iakovidis Dimitris K.

プレプリント

J-GLOBAL ID：202202219511152476 整理番号：22P0290984

ファジィプーリング【JST・京大機械翻訳】

Fuzzy Pooling

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 (2件)： ,
資料名：
発行年： 2022年02月12日プレプリントサーバーでの情報更新日： 2022年02月12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。

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】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識 , ニューロコンピュータ

前のページに戻る