Fugu-MT 論文翻訳(概要): Improving correlation method with convolutional neural networks

論文の概要: Improving correlation method with convolutional neural networks

arxiv url: http://arxiv.org/abs/2004.09430v1
Date: Mon, 20 Apr 2020 16:36:01 GMT
ステータス: 処理完了
システム内更新日: 2022-12-11 19:14:49.093115
Title: Improving correlation method with convolutional neural networks
Title（参考訳）: 畳み込みニューラルネットワークによる相関法の改良
Authors: Dmitriy Goncharov and Rostislav Starikov
Abstract要約: 本稿では,相関フィルタによる相関応答の分類のための畳み込みニューラルネットワークを提案する。提案手法は,分類の精度を向上し,画像クラスやパラメータの不変性を達成できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We present a convolutional neural network for the classification of correlation responses obtained by correlation filters. The proposed approach can improve the accuracy of classification, as well as achieve invariance to the image classes and parameters.
Abstract（参考訳）: 本稿では,相関フィルタによる相関応答の分類のための畳み込みニューラルネットワークを提案する。提案手法は,分類の精度を向上させるとともに,画像クラスやパラメータの不変性を実現する。

関連論文リスト

Analysis of the rate of convergence of an over-parametrized convolutional neural network image classifier learned by gradient descent [9.4491536689161]
グローバル平均プール層を用いた過度パラメータ化畳み込みニューラルネットワークに基づく画像分類について検討する。新たに導入された畳み込みニューラルネットワーク推定の誤分類リスクの差の収束率に依存する勾配を導出する。
論文参考訳（メタデータ） (2024-05-13T10:26:28Z)
Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
論文参考訳（メタデータ） (2024-03-18T18:01:01Z)
Adaptive aggregation of Monte Carlo augmented decomposed filters for efficient group-equivariant convolutional neural network [0.36122488107441414]
グループ等価畳み込みニューラルネットワーク(G-CNN)は、CNNのデータ効率と性能を向上させるためにパラメータ共有に大きく依存している。群同変ニューラルネットワークに対する非パラメータ共有手法を提案する。提案手法は, 拡張フィルタの重み付け和により, 多様なフィルタを適応的に集約する。
論文参考訳（メタデータ） (2023-05-17T10:18:02Z)
Reparameterization through Spatial Gradient Scaling [69.27487006953852]
リパラメータ化は、学習中に畳み込み層を等価なマルチブランチ構造に変換することによって、ディープニューラルネットワークの一般化を改善することを目的としている。本稿では,畳み込みネットワークにおける重み間の学習焦点を再分配する空間勾配スケーリング手法を提案する。
論文参考訳（メタデータ） (2023-03-05T17:57:33Z)
Saliency Map Based Data Augmentation [0.0]
本稿では,特定の領域へのニューラルネットワークの不変性を制限するために,サリエンシマップを用いた新しい手法を提案する。この方法は、分類タスクにおいて高いテスト精度を提供する。
論文参考訳（メタデータ） (2022-05-29T15:04:59Z)
Decomposing neural networks as mappings of correlation functions [57.52754806616669]
本研究では,ディープフィードフォワードネットワークによって実装された確率分布のマッピングについて検討する。ニューラルネットワークで使用できる異なる情報表現と同様に、データに不可欠な統計を識別する。
論文参考訳（メタデータ） (2022-02-10T09:30:31Z)
Approximation bounds for norm constrained neural networks with applications to regression and GANs [9.645327615996914]
本稿では,ReLUニューラルネットワークの近似誤差の上限値と下限値について,重みの基準値で検証する。我々はこれらの近似境界を適用し、ノルム制約付きニューラルネットワークを用いて回帰の収束を分析し、GANによる分布推定を行う。
論文参考訳（メタデータ） (2022-01-24T02:19:05Z)
Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文参考訳（メタデータ） (2021-03-15T16:16:18Z)
Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文参考訳（メタデータ） (2020-07-30T05:48:48Z)
Bayesian Graph Neural Networks with Adaptive Connection Sampling [62.51689735630133]
グラフニューラルネットワーク(GNN)における適応接続サンプリングのための統一的なフレームワークを提案する。提案フレームワークは,深部GNNの過度なスムース化や過度に適合する傾向を緩和するだけでなく,グラフ解析タスクにおけるGNNによる不確実性の学習を可能にする。
論文参考訳（メタデータ） (2020-06-07T07:06:35Z)
On the rate of convergence of image classifiers based on convolutional neural networks [0.0]
最適誤分類リスクに対する推定の誤分類リスクの収束率を分析する。これは、画像分類において畳み込みニューラルネットワークによる次元の呪いを回避できることを証明している。
論文参考訳（メタデータ） (2020-03-03T14:24:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。