文献

J-GLOBAL ID：201702291956389872   整理番号：17A0456796

特徴表現のための積層畳込み雑音除去自動符号器【Powered by NICT】

Stacked Convolutional Denoising Auto-Encoders for Feature Representation

著者 (6件)： Du Bo (State Key Laboratory of Software Engineering, Key Laboratory of Aerospace Information Security and Trusted Computing Ministry of Education, School of Computer, Collaborative Innovation Center of Geospatial Information Technology, Wuhan University, Wuhan, China) ,  Xiong Wei (State Key Laboratory of Software Engineering, Key Laboratory of Aerospace Information Security and Trusted Computing Ministry of Education, School of Computer, Collaborative Innovation Center of Geospatial Information Technology, Wuhan University, Wuhan, China) ,  Wu Jia (Centre for Quantum Computation and Intelligent Systems and the Department of Engineering and Information Technology, University of Technology Sydney, Sydney, Australia) ,  Zhang Lefei (State Key Laboratory of Software Engineering, Key Laboratory of Aerospace Information Security and Trusted Computing Ministry of Education, School of Computer, Collaborative Innovation Center of Geospatial Information Technology, Wuhan University, Wuhan, China) ,  Zhang Liangpei (Collaborative Innovation Center of Geospatial Technology, State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Tao Dacheng (Centre for Quantum Computation and Intelligent Systems and the Department of Engineering and Information Technology, University of Technology Sydney, Sydney, Australia)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 4  ページ： 1017-1027  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  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： ディープネットワークは,視覚データからの学習表現における優れた性能を達成した。しかし,畳込みニューラルネットワークのような教師つき深モデルは,大量のラベル付きデータの得るために非常に高価なを必要とする。この問題を解決するために,本論文では,積層畳込みノイズ除去オートエンコーダと呼ばれる教師なし深ネットワーク,ラベル情報を用いない階層的表現に画像をマップを提案した。層別訓練によって最適化し,ネットワークは,畳込み方法でノイズ除去オートエンコーダの積層で構成されている。各層では,ノイズ除去オートエンコーダにより学習されたカーネルを用いた下層の特徴をコンボリューションすることにより生成される高次元特徴マップ。オートエンコーダは,ロバストな特徴検出器を学習するために,下層の特徴マップから抽出されたパッチ上で訓練される。大規模ネットワークを訓練するために,層別白色化法がモデルに導入される。各畳込み層の前に,白化層は,入力データをsphereに埋め込まれている。マッピングの層により,原画像は,その後のサポートベクトルマシン分類器の性能を高めると思われる高レベル特徴表現に変換した。提案アルゴリズムは,広範囲な実験により評価され,最新の教師なしネットワークへの優れた分類性能を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 層別 ,  *符号器 ,  雑音低減 ,  白化 ,  最適化 ,  ロバスト性 ,  ネットワーク ,  *畳込み ,  下層 ,  学習 ,  *雑音除去 ,  サポートベクトルマシン ,  高次元
準シソーラス用語： 特徴マップ ,  *特徴表現 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (4件)： 特徴表現 ,  畳込み ,  雑音除去 ,  符号器