文献

J-GLOBAL ID：202202229500426992   整理番号：22A0788133

深層計量学習の主要成分【JST・京大機械翻訳】

Key Components of Deep Metric Learning

著者 (5件)： Wang Hai (School of Artificial Intelligence Ethics, Terminus Group Co., Ltd,Beijing,China) ,  Li Qijuan (School of Artificial Intelligence Ethics, Terminus Group Co., Ltd,Beijing,China) ,  Zhang Dapeng (School of Artificial Intelligence Ethics, Terminus Group Co., Ltd,Beijing,China) ,  Li Dongdong (School of Artificial Intelligence Ethics, Terminus Group Co., Ltd,Beijing,China) ,  Chen Qianwen (School of Artificial Intelligence Ethics, Terminus Group Co., Ltd,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCECE  ページ： 648-651  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 初期計量学習アルゴリズムの出現は,距離ベースの分類器,距離ベースのクラスタリング,および特徴次元縮小の性能を改善した。古典的計量学習と比較して,深い計量学習は,大規模訓練データを効果的に利用することができ,入力特徴の非線形マッピングを実行でき,近年急速に発展した深層学習モデルと技術を効果的に使用できる。本調査では,最近の深い計量学習をレビューした。一般的に使用される損失関数と深い計量学習のポイントキーコンポーネントをレビューした。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  損失関数 ,  深層 ,  次元縮小 ,  学習アルゴリズム
準シソーラス用語： 訓練データ ,  非線形マッピング ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層 ,  計量 ,  学習 ,  主要成分