論文の概要: Analysis of convolutional neural network image classifiers in a
rotationally symmetric model
- arxiv url: http://arxiv.org/abs/2205.05500v1
- Date: Wed, 11 May 2022 13:43:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-12 17:45:58.776681
- Title: Analysis of convolutional neural network image classifiers in a
rotationally symmetric model
- Title(参考訳): 回転対称モデルを用いた畳み込みニューラルネットワーク画像分類器の解析
- Authors: Michael Kohler and Benjamin Walter
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 4.56877715768796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Convolutional neural network image classifiers are defined and the rate of
convergence of the misclassification risk of the estimates towards the optimal
misclassification risk is analyzed. Here we consider images as random variables
with values in some functional space, where we only observe discrete samples as
function values on some finite grid. Under suitable structural and smoothness
assumptions on the functional a posteriori probability, which includes some
kind of symmetry against rotation of subparts of the input image, it is shown
that least squares plug-in classifiers based on convolutional neural networks
are able to circumvent the curse of dimensionality in binary image
classification if we neglect a resolution-dependent error term. The finite
sample size behavior of the classifier is analyzed by applying it to simulated
and real data.
- Abstract(参考訳): 畳み込みニューラルネットワーク画像分類器を定義し、最適な誤分類リスクに向かう推定の誤分類リスクの収束率を分析する。
ここでは、イメージを関数空間の値を持つランダム変数とみなし、離散サンプルを有限格子上の関数値としてのみ観察する。
入力画像の部分の回転に対するある種の対称性を含む機能的後部確率に関する適切な構造的・滑らかな仮定の下で、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、解像度依存誤差項を無視した場合、二乗画像分類における次元性の呪いを回避することができることを示す。
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、分類器の有限サンプルサイズ挙動を分析する。
関連論文リスト
- Equivariance Allows Handling Multiple Nuisance Variables When Analyzing
Pooled Neuroimaging Datasets [53.34152466646884]
本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。
いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
論文 参考訳(メタデータ) (2022-03-29T04:54:06Z) - Do We Really Need a Learnable Classifier at the End of Deep Neural
Network? [118.18554882199676]
本研究では、ニューラルネットワークを学習して分類器をランダムにETFとして分類し、訓練中に固定する可能性について検討する。
実験結果から,バランスの取れたデータセットの画像分類において,同様の性能が得られることがわかった。
論文 参考訳(メタデータ) (2022-03-17T04:34:28Z) - Robustness Analysis of Classification Using Recurrent Neural Networks
with Perturbed Sequential Input [17.856384200209806]
分類タスクを実行するために訓練された安定したリカレントニューラルネットワーク(RNN)に対して、トレーニング可能な重み行列の関数として明示的境界を定量化する。
分類タスクの完全精度を保証しつつ、許容可能な最大摂動を徹底的に分析し、特徴付ける。
論文 参考訳(メタデータ) (2022-03-10T14:57:40Z) - NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural
Networks [151.03112356092575]
本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。
種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
論文 参考訳(メタデータ) (2022-02-07T12:30:45Z) - Smoothed Embeddings for Certified Few-Shot Learning [63.68667303948808]
我々はランダムな平滑化を数ショットの学習モデルに拡張し、入力を正規化された埋め込みにマッピングする。
この結果は、異なるデータセットの実験によって確認される。
論文 参考訳(メタデータ) (2022-02-02T18:19:04Z) - A Method for Evaluating the Capacity of Generative Adversarial Networks
to Reproduce High-order Spatial Context [3.486901561986149]
生成ネットワークは、バイオメディカルイメージングに革命をもたらす可能性のある、深い生成モデルの一種である。
臨床応用におけるGANの過大な問題は、GANが生成する画像の診断品質を評価するための適切な手段や自動手段がないことである。
論文 参考訳(メタデータ) (2021-11-24T15:58:10Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - Efficient Multidimensional Functional Data Analysis Using Marginal
Product Basis Systems [0.0]
テンソルのランダムサンプルから多次元連続表現を学習するためのフレームワークを提案する。
これらの表現は乗法的に分離可能であり、$L2$の最適性基準に従ってデータに適応することが定義される。
本研究では, テンソル分解により, 得られた推定問題を効率的に解けることを示す。
論文 参考訳(メタデータ) (2021-07-30T16:02:15Z) - Analysis of convolutional neural network image classifiers in a
hierarchical max-pooling model with additional local pooling [0.0]
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。
論文 参考訳(メタデータ) (2021-05-31T16:08:00Z) - Anomaly Detection in Image Datasets Using Convolutional Neural Networks,
Center Loss, and Mahalanobis Distance [0.0]
ユーザーアクティビティは、品質や無関係な画像やデータベクターのかなりの数を生成します。
ニューラルネットワークの場合、異常は通常分布外サンプルとして定義される。
本研究では,画像データセットにおける非分布サンプルの監督的および半監督的検出手法を提案する。
論文 参考訳(メタデータ) (2021-04-13T13:44:03Z) - 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)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。