文献

J-GLOBAL ID：202202246613461944   整理番号：22A0150109

縮小特徴表現と焦点損失による教師なし深層クラスタリング【JST・京大機械翻訳】

Unsupervised deep clustering via contractive feature representation and focal loss

著者 (7件)： Cai Jinyu (College of Computer and Data Science, Fuzhou University, Fuzhou 350116, China) ,  Cai Jinyu (Network Computing and Intelligent Information Processing Laboratory, Fuzhou University, Fuzhou 350116, China) ,  Wang Shiping (College of Computer and Data Science, Fuzhou University, Fuzhou 350116, China) ,  Wang Shiping (Network Computing and Intelligent Information Processing Laboratory, Fuzhou University, Fuzhou 350116, China) ,  Xu Chaoyang (School of Information Engineering, Putian University, Putian 351100, China) ,  Guo Wenzhong (College of Computer and Data Science, Fuzhou University, Fuzhou 350116, China) ,  Guo Wenzhong (Network Computing and Intelligent Information Processing Laboratory, Fuzhou University, Fuzhou 350116, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 123  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 深層クラスタリングは,クラスタリング指向表現を学習するために,深層学習とクラスタリングを結合することによってクラスタリングタスクを促進することを狙って,多くのアプローチがそれらの妥当性を示した。しかしながら,既存の方法における特徴学習モジュールは識別表現をほとんど学習しない。さらに,いくつかのハードサンプルを扱うとき,ラベル割り当て機構は非効率になる。これらの問題に取り組むために,特徴学習における契約表現を導入して,クラスタ化層における焦点損失を利用することによって,新しい共同最適化クラスタリングフレームワークを提案した。特徴学習に加えられた契約ペナルティ項は,局所特徴空間収縮を引き起こし,より識別的な特徴の学習をもたらす。著者らが知る限りでは,これはまた,深いクラスタリング法におけるラベル割当を改善するために,焦点損失を利用する最初の研究である。さらに,結合最適化フレームワークの構築は,提案方法を,エンドツーエンド方法で同時に特徴表現とラベル割当を学習することを可能にする。最後に,提案した方法の有効性を実証するために,いくつかのクラスタリングタスクに関するいくつかの最先端のクラスタリングアプローチと包括的に比較した。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： 最適化 ,  学習 ,  教師なし学習 ,  *クラスタ化 ,  符号器 ,  エンドツーエンド方式 ,  深層 ,  有効性 ,  ペナルティ
準シソーラス用語： 局所特徴 ,  クラスタリング法 ,  *特徴表現 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 教師なし学習 ,  クラスタリング ,  収縮特徴表現 ,  焦点損失 ,  自動エンコーダ

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 縮小 ,  特徴表現 ,  焦点 ,  損失 ,  教師 ,  深層 ,  クラスタリング