Fugu-MT 論文翻訳(概要): A Survey of Complex-Valued Neural Networks

論文の概要: A Survey of Complex-Valued Neural Networks

arxiv url: http://arxiv.org/abs/2101.12249v1
Date: Thu, 28 Jan 2021 19:40:50 GMT
ステータス: 処理完了
システム内更新日: 2021-02-02 00:05:16.355021
Title: A Survey of Complex-Valued Neural Networks
Title（参考訳）: 複雑値ニューラルネットワークに関する研究
Authors: Joshua Bassey, Lijun Qian, Xianfang Li
Abstract要約: 人工知能ニューラルネットワーク(ANN)ベースの機械学習モデルは、コンピュータビジョン、信号処理、無線通信など多くの分野に広く応用されている。 ANNや機械学習フレームワークの現在の実装のほとんどは、複素数ではなく実数を使っている。複雑な数値を使用してANNを構築することへの関心が高まっており、実際の価値を持つニューラルネットワークよりも、いわゆるCVNN(complex-valued Neural Network)の潜在的なアドバンテージを探っている。
参考スコア（独自算出の注目度）: 4.211128681972148
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Artificial neural networks (ANNs) based machine learning models and especially deep learning models have been widely applied in computer vision, signal processing, wireless communications, and many other domains, where complex numbers occur either naturally or by design. However, most of the current implementations of ANNs and machine learning frameworks are using real numbers rather than complex numbers. There are growing interests in building ANNs using complex numbers, and exploring the potential advantages of the so-called complex-valued neural networks (CVNNs) over their real-valued counterparts. In this paper, we discuss the recent development of CVNNs by performing a survey of the works on CVNNs in the literature. Specifically, a detailed review of various CVNNs in terms of activation function, learning and optimization, input and output representations, and their applications in tasks such as signal processing and computer vision are provided, followed by a discussion on some pertinent challenges and future research directions.
Abstract（参考訳）: 人工知能ニューラルネットワーク(ANN)ベースの機械学習モデル、特にディープラーニングモデルは、コンピュータビジョン、信号処理、無線通信など、複雑な数値が自然あるいは設計によって発生する多くの分野に広く適用されている。しかし、現在のANNと機械学習フレームワークの実装のほとんどは、複素数ではなく実数を使っている。複素数を用いてANNを構築することに関心が高まり、現実値のそれに対するいわゆる複素値ニューラルネットワーク(CVNN)の潜在的なアドバンテージを探求する。本稿では,CVNNの最近の発展について,文献におけるCVNNに関する研究を実践して論じる。具体的には、アクティベーション機能、学習と最適化、入力と出力の表現、および信号処理やコンピュータビジョンなどのタスクにおけるそれらの応用に関する詳細なレビューを行い、それに続くいくつかの課題と今後の研究方向性について論じる。
全文参考訳へのリンク