文献

J-GLOBAL ID：202202258741416819   整理番号：22A1054390

畳込みニューラルネットワークを用いた不連続性検出器の構築【JST・京大機械翻訳】

Construction of discontinuity detectors using convolutional neural networks

著者 (4件)： Wang Shuyi (Department of Statistics, The Ohio State University, Columbus, OH, USA) ,  Zhou Zixu (Department of Mathematics, The Ohio State University, Columbus, OH, USA) ,  Chang Lo-Bin (Department of Statistics, The Ohio State University, Columbus, OH, USA) ,  Xiu Dongbin (Department of Mathematics, The Ohio State University, Columbus, OH, USA)
資料名： Journal of Scientific Computing  (Journal of Scientific Computing)
巻： 91  号： 2  ページ： 40  発行年： 2022年 
JST資料番号： T0626A  ISSN： 0885-7474  CODEN： JSCOEB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層ニューラルネットワークにより構築した不連続性検出器を示した。畳込みニューラルネットワーク(CNN)構造を用いて,合成訓練データの包括的な集合を設計した。このデータは,不連続が存在している,ラベルを deむラベルを表示して,等距離グリッドで評価されたランダムに生成された区分的平滑関数から成る。ネットワークの訓練の成功により,CNNベース検出ネットワークは,トラブルセルを正しくラベル付けすることにより,新しく与えられた関数データにおける不連続性を正確に同定できる。訓練データの全ては固定サイズを持つが,構築した検出器は任意のサイズの関数データに適用でき,等距離格子上にある。二次元および三次元事例における検出効率を増すために,著者らは,検出器を粗化格子に最初に適用し,次に,粗いレベルで同定されたトラブルセルでのみ微細格子に,2レベル検出手順を提案した。広範囲の数値試験を通して,開発した検出器は,訓練データよりも非常に複雑な構造で不連続性を正確に検出できるという意味で,強い一般化能力を有することを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *検出 ,  *ネットワーク ,  構造 ,  *ニューラルネットワーク ,  長さ ,  検出器 ,  二次元 ,  三次元 ,  *不連続性 ,  検出効率
準シソーラス用語： 訓練データ ,  粗化 ,  ディープニューラルネットワーク ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層ニューラルネットワーク ,  畳込みニューラルネットワーク ,  不連続性検出 ,  トラブルセル

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  不連続性 ,  検出器 ,  構築