畳込みニューラルネットワークによるオブジェクトアフォーダンスの学習中間特徴【JST・京大機械翻訳】

Wang Aria Yuan; Tarr Michael J.

プレプリント

J-GLOBAL ID：202202219941824990 整理番号：22P0114289

畳込みニューラルネットワークによるオブジェクトアフォーダンスの学習中間特徴【JST・京大機械翻訳】

Learning Intermediate Features of Object Affordances with a Convolutional Neural Network

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： 2020年02月20日プレプリントサーバーでの情報更新日： 2020年02月20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。

世界中の世界と相互作用する能力は,どのような行動オブジェクトがアフォーダンスと呼ばれるかを推論できる。視覚特性と行動の両方に関する情報が共通表現に統合される視覚運動経路において,物体行動関連の神経機構を実現した。しかし,これらの機構の説明は,視覚特徴と推論された行動の間の1対1のマッピングがほとんどないので,アフォーダンスの場合に特に困難である。アフォーダンスの性質をより良く理解するために,画像からのアフォーダンスを認識し,アフォーダンスの根底にある特徴または次元を学習するために,深い畳み込みニューラルネットワーク(CNN)を訓練した。このような特徴は,人間の神経データに対してテストできるアフォーダンスの一般的な表現のための基礎となる構成構造を形成する。著者らは,人間が環境とどのように知覚し,相互作用するかのより正式な説明に向けた最初のステップとして,この表現分析を見た。【JST・京大機械翻訳】

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

ニューロコンピュータ , ロボットの運動・制御 , パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る