文献

J-GLOBAL ID：202202221774521360   整理番号：22A0965490

教室様生成敵対ネットワークに基づく不均衡データ分類に関する研究【JST・京大機械翻訳】

Research on Imbalanced Data Classification Based on Classroom-Like Generative Adversarial Networks

著者 (5件)： Lv Yancheng (Harbin Institute of Technology, 150001 Harbin, P.R.C.) ,  Lin Lin (Harbin Institute of Technology, 150001 Harbin, P.R.C.) ,  Liu Jie (Harbin Institute of Technology, 150001 Harbin, P.R.C.) ,  Guo Hao (Harbin Institute of Technology, 150001 Harbin, P.R.C.) ,  Tong Changsheng (Harbin Institute of Technology, 150001 Harbin, P.R.C.)
資料名： Neural Computation  (Neural Computation)
巻： 34  号： 4  ページ： 1045-1073  発行年： 2022年 
JST資料番号： W0257A  ISSN： 0899-7667  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習分類方法に関する大部分の研究は,平衡データに基づいた。不均衡データ分類に関する研究は改善を必要とする。生成敵対ネットワーク(GAN)は,事前仮説に頼らず,高次元の複雑なデータ分布を学習することができ,人工知能におけるホットテクノロジーになった。本レターでは,複数の発電機を持つモデルを構築するために,新しい構造,教室様生成敵対ネットワーク(CLGAN)を提案した。教師が学生の学習状況に従って教育活動を整理する事実から,著者らは,識別損失関数に及ぼす発電機損失関数の影響重みを適応的に調整するために,重み割当関数を提案した。すべての発電機は,識別器と訓練サンプル空間の程度を改善するために一緒に働き,その結果,優れた性能を有する識別器を訓練し,不均衡データ分類のタスクに適用した。ケースウェスタン保護大学データセットと2.4GHz屋内チャネル測定データセットに関する実験結果は,多重発電機によるCLGANによって訓練された識別器のデータ分類能力が,他の不均衡データ分類モデルのものより優れていて,最適識別器が発電機モデルの正しいマッチング方式を選択することによって得ることができることを示した。Copyright 2022 Massachusetts Institute of Technology Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 弁別器 ,  学習 ,  損失関数 ,  *ネットワーク ,  分類 ,  人工知能 ,  多重化 ,  高次元 ,  機械学習
準シソーラス用語： 分類法 ,  教育活動 ,  *データ分類 ,  分類モデル ,  *不均衡データ , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (5件)： 教室 ,  敵対 ,  不均衡データ ,  分類 ,  研究