文献

J-GLOBAL ID：202202266994488336   整理番号：22A0848774

分割生成ネットワーク:一様確率空間におけるデータ生成【JST・京大機械翻訳】

Segmented Generative Networks: Data Generation in the Uniform Probability Space

著者 (2件)： Letizia Nunzio A. (Chair of Embedded Communication Systems, Institute of Networked and Embedded Systems, University of Klagenfurt, Klagenfurt, Austria) ,  Tonello Andrea M. (Chair of Embedded Communication Systems, Institute of Networked and Embedded Systems, University of Klagenfurt, Klagenfurt, Austria)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 3  ページ： 1338-1347  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  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： 生成ネットワークにおける最近の進歩は,深層ニューラルネットワークを用いて実世界のようなデータを生成することが可能であることを示した。データを直接生成する確率手順に従ういくつかの暗黙確率モデルを導入し,事後分布の不安定性を克服した。しかしながら,データをモデル化する能力は,適切な潜在空間で保存され,研究できる,その統計的依存性の深い知識と理解を必要とする。本論文では,データを投影する同じ次元潜在空間における線形および非線形操作による分割生成プロセスを提示した。相関データを生成する既知の確率的方法に触発されて,著者らは,コピュラの概念を利用して,依存データの生成のための分割アプローチを開発した。生成プロセスは,2つのフレームに分割される:1つは,均一確率空間における共分散またはコピュラ情報を埋め込むこと,もう1つはサンプルドメインにおける限界分布情報を埋め込む。また,分割生成ネットワーク(SGN)と呼ばれる提案ネットワーク構造は,暗黙のコピュラから直接的にサンプリングする経験的方法を提供する。その普遍性を示すために,3つのアプリケーションシナリオ,すなわち,y具例,手書き数字,および顔画像生成における提示手法を評価した。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： 分布関数 ,  *ネットワーク ,  確率分布 ,  共分散 ,  ネットワーク構造 ,  空間 ,  応用プログラム ,  線形性 ,  不安定性 ,  画像合成 ,  確率モデル ,  普遍性
準シソーラス用語： 手書き ,  確率的方法 ,  事後分布 ,  コピュラ ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (2件)： 確率 ,  データ生成