| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-06-13 13:15 中間層に余剰ニューロンを持った自己符号化器 ○鈴木章央・田向 権（九工大）  SIS2019-3 |
|
| 抄録 | （和） | 未知データを教師あり学習を用いて見分けるのは難しい．本研究では，自己符号化器（Autoencoder，AE）を用いて未知データの検出を行う．AEの中間層に余剰ニューロンを持たせることで，未知データを新たに表現するための余地を持たせる．このAEに対して，学習させたいデータに対して余剰ニューロンが反応しないように学習させる．一方で，そうではないデータに対しては反応するように学習を進めていく．学習後のAEにおいて，余剰ニューロンは学習データには反応しなくなるため，ニューロンの活性度から，入力したデータが学習済みのデータか未知のデータか見分けやすくなる．提案手法について，グレースケールの衣料品画像データセットを用いた検証実験を行い，その結果を報告する． |
| （英） | Unknown data is not compatible with a supervised training. This study employ autoencoders (AEs) to detect unknwon data. The AEs has surplus neurons in a hidden layer and gets a space to represent unknown data. In the proposed AEs, the surplus neurons are trained not to be reacted for target data, while they are trained to be reacted against non-target data. By this training method, the surplus neurons become to react except target data. This paper reports validation results using grayscale clothing image dataset. | |
| キーワード | （和） | 深層学習 / 自己符号化器 / 未知データ / / / / / |
| （英） | Deep Learning / Autoencoders / Unknown Object / / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 78, SIS2019-3, pp. 11-16, 2019年6月. | |
| 資料番号 | SIS2019-3 | |
| 発行日 | 2019-06-06 (SIS) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SIS2019-3 |
|
| 研究会情報 | |
| 研究会 | SIS IPSJ-AVM ITE-3DMT |
| 開催期間 | 2019-06-13 - 2019-06-14 |
| 開催地（和） | 福江文化会館 |
| 開催地（英） | Fukue Culture Center |
| テーマ（和） | 知的マルチメディアシステム, 組込み応用システム, 立体映像技術, 一般 |
| テーマ（英） | Intelligent Multimedia Systems, Applied Enbedded Systems, Three-Dimensional Image Technology (3DIT), etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIS |
| 会議コード | 2019-06-SIS-AVM-3DIT |
| 本文の言語 | 日本語 |
| タイトル（和） | 中間層に余剰ニューロンを持った自己符号化器 |
| サブタイトル（和） | |
| タイトル（英） | Autoencoders having surplus neurons in a hidden layer |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep Learning |
| キーワード(2)（和/英） | 自己符号化器 / Autoencoders |
| キーワード(3)（和/英） | 未知データ / Unknown Object |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 鈴木 章央 / Akihiro Suzuki / スズキ アキヒロ |
| 第1著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： KYUTECH) |
| 第2著者 氏名（和/英/ヨミ） | 田向 権 / Hakaru Tamukoh / タムコウ ハカル |
| 第2著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： KYUTECH) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-06-13 13:15:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIS |
| 資料番号 | SIS2019-3 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.78 |
| ページ範囲 | pp.11-16 |
| ページ数 | 6 |
| 発行日 | 2019-06-06 (SIS) |
[研究会発表申込システムのトップページに戻る]