文献

J-GLOBAL ID：202202289303335185   整理番号：22A0566990

シミュレータと合成データに基づく次世代深層学習【JST・京大機械翻訳】

Next-generation deep learning based on simulators and synthetic data

著者 (6件)： de Melo Celso M. (Computational and Information Sciences Directorate, DEVCOM US Army Research Laboratory, Playa Vista, CA, USA) ,  Torralba Antonio (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Guibas Leonidas (Computer Science Department, Stanford University, Stanford, CA, USA) ,  DiCarlo James (Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Chellappa Rama (Electrical and Computer Engineering, Johns Hopkins University, Baltimore, MD, USA) ,  Hodgins Jessica (Computer Science Department, Carnegie Mellon University, Pittsburgh, PA, USA)
資料名： Trends in Cognitive Sciences  (Trends in Cognitive Sciences)
巻： 26  号： 2  ページ： 174-187  発行年： 2022年 
JST資料番号： W1018A  ISSN： 1364-6613  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層学習(DL)は複数のドメインにわたってうまく適用されているが,これらのモデルは最も人工的方法で学習され,それらは単純な概念を把握するために大量のラベル付きデータを必要とする。したがって,主なボトルネックは,しばしば教師つきデータへのアクセスである。ここでは,この課題に対する潜在的解決策:合成データの傾向を強調した。合成データは,レンダリングパイプライン,生成広告モデル,および融合モデルの進歩によりアクセス可能になっている。さらに,ドメイン適応技術の進歩は,合成データと実データ間の統計的ギャップを閉じるのに役立つ。逆説的に,この人工溶液は,連続,マルチモーダル,および具体化学習を含む生体系で見られるように,より自然な学習を可能にするようである。これに相補的に,シミュレータと深層ニューラルネットワーク(DNN)は,生体系の認知と神経機能への洞察の提供に重要な役割を持つ。また,合成データに関連した,機会と新しい課題をレビューした。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： *学習 ,  広告 ,  *シミュレータ ,  生体系 ,  データ ,  ネットワーク ,  パイプライン ,  適応 ,  範囲 ,  逆理 ,  多モード ,  レンダリング ,  *機械学習
準シソーラス用語： 神経機能 ,  *深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層ニューラルネットワーク ,  合成データ ,  グラフィックスレンダリングパイプライン ,  生成敵対ネットワーク ,  ドメイン適応 ,  次世代学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： シミュレータ ,  合成データ ,  次世代 ,  深層学習