Fugu-MT 論文翻訳(概要): Analysis of convolutional neural network image classifiers in a hierarchical max-pooling model with additional local pooling

論文の概要: Analysis of convolutional neural network image classifiers in a hierarchical max-pooling model with additional local pooling

arxiv url: http://arxiv.org/abs/2106.05233v1
Date: Mon, 31 May 2021 16:08:00 GMT
ステータス: 処理完了
システム内更新日: 2021-06-13 14:02:50.343131
Title: Analysis of convolutional neural network image classifiers in a hierarchical max-pooling model with additional local pooling
Title（参考訳）: 局所プールを付加した階層型最大プールモデルにおける畳み込みニューラルネットワーク画像分類器の解析
Authors: Benjamin Walter
Abstract要約: 画像分類を考慮し,局所プールを付加した階層的最大プールモデルを提案する。追加の局所プーリングにより、階層モデルは、異なる相対距離を持つ画像の一部を互いに結合することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image classification is considered, and a hierarchical max-pooling model with additional local pooling is introduced. Here the additional local pooling enables the hierachical model to combine parts of the image which have a variable relative distance towards each other. Various convolutional neural network image classifiers are introduced and compared in view of their rate of convergence. The finite sample size performance of the estimates is analyzed by applying them to simulated and real data.
Abstract（参考訳）: 画像分類を考慮し,局所プールを付加した階層的最大プールモデルを提案する。ここで、追加の局所プーリングにより、階層モデルは、互いに異なる相対距離を持つ画像の一部を組み合わせることができる。様々な畳み込みニューラルネットワーク画像分類器を導入し、その収束率の観点から比較する。シミュレーションおよび実データに適用することにより、推定値の有限サンプルサイズ性能を解析する。

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)
Analyzing Neural Network-Based Generative Diffusion Models through Convex Optimization [45.72323731094864]
本稿では,2層ニューラルネットワークを用いた拡散モデル解析のための理論的枠組みを提案する。我々は,1つの凸プログラムを解くことで,スコア予測のための浅層ニューラルネットワークのトレーニングが可能であることを証明した。本結果は, ニューラルネットワークに基づく拡散モデルが漸近的でない環境で何を学習するかを, 正確に評価するものである。
論文参考訳（メタデータ） (2024-02-03T00:20:25Z)
Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
論文参考訳（メタデータ） (2024-01-04T08:46:39Z)
Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
論文参考訳（メタデータ） (2023-08-28T12:55:13Z)
Distributed Bayesian Learning of Dynamic States [65.7870637855531]
提案アルゴリズムは有限状態隠れマルコフモデルに対する分散ベイズフィルタタスクである。逐次状態推定や、動的環境下でのソーシャルネットワーク上での意見形成のモデル化に使用できる。
論文参考訳（メタデータ） (2022-12-05T19:40:17Z)
Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects [92.80955339180119]
メインストリームの群衆計数法は密度マップを補強して計数結果を得るために統合する。これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
論文参考訳（メタデータ） (2022-12-02T07:00:53Z)
Analysis of convolutional neural network image classifiers in a rotationally symmetric model [4.56877715768796]
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。畳み込みニューラルネットワークに基づく最小二乗プラグイン分類器は、二元画像分類における次元性の呪いを回避できることが示されている。
論文参考訳（メタデータ） (2022-05-11T13:43:13Z)
Fuzzy Pooling [7.6146285961466]
畳み込みニューラルネットワーク(英: Convolutional Neural Networks、CNN)は、一般的には畳み込みとプールという2つの操作に基づく人工知能システムである。本稿では, (type-1) ファジィ集合に基づく新しいプール操作を提案し, 特徴写像の局所的精度に対処する。公開データセットを用いた実験により,提案手法はCNNの分類性能を向上させることができることが示された。
論文参考訳（メタデータ） (2022-02-12T11:18:32Z)
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)
Set Based Stochastic Subsampling [85.5331107565578]
本稿では,2段階間ニューラルサブサンプリングモデルを提案する。画像分類,画像再構成,機能再構築,少数ショット分類など,様々なタスクにおいて,低いサブサンプリング率で関連ベースラインを上回っていることを示す。
論文参考訳（メタデータ） (2020-06-25T07:36:47Z)
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。