文献

J-GLOBAL ID：202202238041934463   整理番号：22A0456328

VolterraNet:均質多様体のためのグループ等価性を持つ高次畳込みネットワーク【JST・京大機械翻訳】

VolterraNet: A Higher Order Convolutional Network With Group Equivariance for Homogeneous Manifolds

著者 (4件)： Banerjee Monami (FaceBook, Menlo Park, CA, USA) ,  Chakraborty Rudrasis (University of California, Berkeley, Berkeley, CA, USA) ,  Bouza Jose (University of Florida, Gainesville, FL, USA) ,  Vemuri Baba C. (University of Florida, Gainesville, FL, USA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 44  号： 2  ページ： 823-833  発行年： 2022年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： 畳込みニューラルネットワークは,それらの翻訳等分散特性のために,画像ベースの学習タスクにおいて非常に成功した。最近の研究では,畳込みニューラルネットワークの伝統的畳込み層を非ユークリッド空間に一般化し,一般化畳込み演算のグループ分散を示した。本論文では,Riemann均一空間上の関数のサンプルとして定義されるデータに対して,新しい高次Volterra畳込みニューラルネットワーク(VolterraNet)を提案した。従来の畳み込みの結果に対して,Volterra関数畳み込みはRiemann均一空間によって入院した等値群の作用に対して等変的であり,いくつかの制約の下で,任意の非線形等変関数が著者らの均一空間Volterra畳込みとして表現でき,ユークリッド空間におけるVolterra展開の非線形シフト等変特性化を一般化することを証明した。また,二次関数畳込み演算は,効率的な実装につながるカスケード畳込みとして表現できることを証明した。さらに,拡張VolterraNetモデルを提案した。これらの進歩は,ベースライン非ユークリダンCNNと比較して,大きなパラメータ低減につながる。VolterraNet性能の有効性を実証するために,球面-MNIST,原子エネルギー,Shrec17データセット,および拡散MRIデータのグループ試験に関する分類タスクを含むいくつかの実データ実験を示した。最先端技術の性能比較も提示した。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： *畳込み ,  *多様体 ,  学習 ,  *ネットワーク ,  演算 ,  原子エネルギー ,  Euclid空間 ,  球面 ,  基準線 ,  キャラクタリゼーション ,  有効性 ,  等価性
準シソーラス用語： 性能比較 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 多様体 ,  グループ ,  等価性 ,  畳込み