文献

J-GLOBAL ID：202202229252916030   整理番号：22A1089307

深い畳込みニューラルネットワークによる欠損データの取り扱い【JST・京大機械翻訳】

Handling missing data through deep convolutional neural network

著者 (5件)： Khan Hufsa (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Wang Xizhao (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Wang Xizhao (Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen University, Shenzhen 518060, China) ,  Liu Han (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Liu Han (Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen University, Shenzhen 518060, China)
資料名： Information Sciences  (Information Sciences)
巻： 595  ページ： 278-293  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  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： 欠測データの存在は,実世界データセットを処理する際に挑戦的な問題である。データから有効な学習を達成できるように,欠測値を推定することによってデータ品質を改善する必要がある。最近,深層学習は機械学習技法の最も強力なタイプとなり,正確な予測を行うために大きなデータセットに存在する隠れ知識の発見に使用できる。本論文では,畳込みニューラルネットワークを用いて欠測値を修正することを含む補完法を提案した。訓練されたカーネルを用いることにより,各インスタンスの欠測値は基本的に不変である。カーネルの重みは,データ行列に空間的に配置された与えられたデータから学習することにより決定される。カーネルは,欠測値を推定するためのアレイにおける隣接要素の加重和を遂行する。さらに,欠測値が置換される真の値がない場合,真の値を知る必要なしに損失関数を設計した。本方法を最先端の方法と比較してUCIデータセットで評価した。実験結果は,提案した方式が他の方法より密接に,または,より良く機能することを示した。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： 損失関数 ,  データ ,  *ニューラルネットワーク ,  補完 ,  *機械学習
準シソーラス用語： ファジィクラスタリング ,  *欠測値 ,  データ品質 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 欠損値 ,  データ補完 ,  ファジィクラスタリング ,  畳込みニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  欠損データ ,  取り扱い