文献

J-GLOBAL ID：202202240255182617   整理番号：22A1062602

離散行列積操作【JST・京大機械翻訳】

A Discrete Matrix-product Operation

著者 (2件)： Shan Chuanhui (College of Electrical Engineering, Anhui Polytechnic University, China) ,  Chen Xiumei (College of Biological and Food Engineering, Anhui Polytechnic University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICIGP 2022  ページ： 251-260  発行年： 2022年 
JST資料番号： D0698C  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： 離散的畳み込み操作に基づく畳込みニューラルネットワークは,深い学習のブレークスルーと開発において,不安定な役割を演ずる。しかし,畳込みニューラルネットワークも欠点と欠点がある。それは学習対象の属性を記憶する傾向があり,学習対象の属性の方向性情報の学習を欠いている。これらの欠点と欠点に応じて,離散畳込み操作に基づいて,本論文は,離散的マトリックス-製品操作と呼ばれる新しい操作を提案した。本論文は,離散的マトリックス-製品操作の定義と特性,ならびにその離散的Fourier変換の定義と特性,およびマトリックス-製品定理に焦点を合わせた。それは,マトリックス-製品ニューラルネットワークの提案のための理論的基礎を提供して,深い学習の更なる開発を促進することを望む。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *行列 ,  畳込み ,  学習 ,  ニューラルネットワーク
準シソーラス用語： 離散Fourier変換 ,  *行列積 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 離散Fourier変換 ,  離散行列積操作 ,  行列積定理 ,  離散Fourier変換の特性 ,  離散行列積演算の特性

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 行列積