文献

J-GLOBAL ID：202202239008900079   整理番号：22A0960161

画像認識のためのハイブリッド制限Boltzmannマシン対数畳込みニューラルネットワークモデル【JST・京大機械翻訳】

Hybrid Restricted Boltzmann Machine- Convolutional Neural Network Model for Image Recognition

著者 (2件)： Sobczak Szymon (Institute of Automatic Control and Robotics, Poznan ́ University of Technology, Poznan ́, Poland) ,  Kapela Rafal (Institute of Automatic Control and Robotics, Poznan ́ University of Technology, Poznan ́, Poland)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 24985-24994  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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(CNN)は,多くの画像処理ジレンマに対する標準アプローチとなっている。その結果,提案したCNNアーキテクチャの大部分は,モデル深さまたは層複雑性を増加させる傾向がある。したがって,それらは多くのパラメータで構成され,かなりの計算資源と訓練例を必要とする。しかし,いくつかの最近の研究は,畳み込みのない浅いニューラルネットワークまたはアーキテクチャが,限られた資源を持つシステムにおいてしばしば使用されるこれらのモデルと類似の結果を達成できることを示している。これらの側面の考慮は,CNNの精度を増加させ,その複雑さを減少させる比較的単純な前処理層をもたらした。層は2つの部分から成る:第1はRGBデータを二値表現に変換するために使用され,第2はバイナリデータをマルチチャネル,実値行列に変換し,完全に教師なし方法で訓練するニューラルネットワークである。また,提案は,訓練データの類似性の測定に使用できる計量を含み,後者が転送学習を行う際に有用であることを証明した。著者らの実験は,得られたアーキテクチャが精度を改善するだけでなく,最先端のモデルと比較した場合,敵対攻撃を含む画像ノイズに対してロバストであることを示した。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 ,  表現 ,  学習 ,  データ ,  資源 ,  *ニューラルネットワーク ,  精度 ,  画像処理 ,  *対数 ,  計算機アーキテクチャ ,  ロバスト性 ,  *Boltzmannマシン ,  *画像認識 ,  サイバー攻撃
準シソーラス用語： 訓練データ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 画像認識 ,  制限 ,  Boltzmannマシン ,  対数 ,  畳込みニューラルネットワーク ,  モデル