| 講演名 | 2018-01-18 エンタングルメント・エントロピーに基づく畳み込みニューラルネットワークと主成分分析に基づく畳み込みニューラルネットワーク 江口 脩(福岡大), 田中 勝(福岡大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，主成分分析を用いてデータに応じて処理を行うCNNとエンタングルメント・エントロピーを用いてデータに応じて処理を行うCNNの違いを考察する．エンタングルメント・エントロピーを用いてデータに応じて処理を行うCNNは，一般のCNNで用いられるプーリングとドロップアウトを排除し，エンタングルメント・エントロピーに基づきそれぞれのデータごとに不必要な情報を適切に選択する情報量に基づく学習法である．具体的には，エンタングルメント・エントロピーに基づく特異値分解を用いた不必要な情報の削減を行う．一方，画像処理の分野において，特異値分解を用いた画像圧縮は，主成分分析の寄与率に基づいてしばしば行われる．主成分分析を用いてデータに応じて処理を行うCNNは，もとのデータの主成分分析の寄与率に基づく次元の縮約を用いた学習法である． |
| 抄録(英) | In this paper, we study the differences in the CNN performing processing in accordance with the data using the CNN and entanglement entropy for performing processing in accordance with the data using the principal component analysis. CNN performing processing in accordance with the data using the entanglement entropy eliminates pooling and dropouts used in general CNN, proper selection of unnecessary information for each data based on entanglement entropy Based on the amount of information to be learned. Specifically, unnecessary information reduction using singular value decomposition based on entanglement and entropy is performed. On the other hand, in the field of image processing, image compression using singular value decomposition is often performed based on the contribution ratio of principal component analysis. CNN performing processing in accordance with the data using the principal component analysis is a learning method using about contraction of dimensions based on the contribution rate of principal component analysis of the original data. |
| キーワード(和) | 量子力学 / エンタングルメント・エントロピー / 主成分分析 / 特異値分解 / 畳み込みニューラルネットワーク |
| キーワード(英) | quantum mechanics / entanglement entropy / principal component analysis / singular value decomposition / convolutional neural network |
| 資料番号 | PRMU2017-129,MVE2017-50 |
| 発行日 | 2018-01-11 (PRMU, MVE) |
| 研究会情報 | |
| 研究会 | PRMU / MVE / IPSJ-CVIM |
|---|---|
| 開催期間 | 2018/1/18(から2日開催) |
| 開催地（和） | 大阪府立大学 |
| 開催地（英） | |
| テーマ（和） | AR，VR関連技術とその応用 |
| テーマ（英） | |
| 委員長氏名（和） | 佐藤 真一(NII) / 亀田 能成(筑波大) |
| 委員長氏名（英） | Shinichi Sato(NII) / Yoshinari Kameda(Univ. of Tsukuba) |
| 副委員長氏名（和） | 藤吉 弘亘(中部大) / 井尻 善久(オムロン) / 間瀬 健二(名大) |
| 副委員長氏名（英） | Hironobu Fujiyoshi(Chubu Univ.) / Yoshihisa Ijiri(Omron) / Kenji Mase(Nagoya Univ.) |
| 幹事氏名（和） | 大西 正輝(産総研) / 舩冨 卓哉(奈良先端大) / 飯山 将晃(京大) / 木村 篤信(NTT) / 内山 英昭(九大) |
| 幹事氏名（英） | Masaki Oonishi(AIST) / Takuya Funatomi(NAIST) / Masaaki Iiyama(Kyoto Univ.) / Atsunobu Kimura(NTT) / Hideaki Uchiyama(Kyushu Univ.) |
| 幹事補佐氏名（和） | 石井 雅人(NEC) / 菅野 裕介(阪大) / 平山 高嗣(名大) / 青木 良輔(NTT) |
| 幹事補佐氏名（英） | Masato Ishii(NEC) / Yusuke Sugano(Osaka Univ.) / Takatsugu Hirayama(Nagoya Univ.) / Ryosuke Aoki(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Media Experience and Virtual Environment / Special Interest Group on Computer Vision and Image Media |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | エンタングルメント・エントロピーに基づく畳み込みニューラルネットワークと主成分分析に基づく畳み込みニューラルネットワーク |
| サブタイトル（和） | |
| タイトル（英） | Convolutional Neural Network based on Entanglement Entropy and Convolutional Neural Network based on Principal Component Analysis |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 量子力学 / quantum mechanics |
| キーワード(2)（和/英） | エンタングルメント・エントロピー / entanglement entropy |
| キーワード(3)（和/英） | 主成分分析 / principal component analysis |
| キーワード(4)（和/英） | 特異値分解 / singular value decomposition |
| キーワード(5)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| 第 1 著者 氏名（和/英） | 江口 脩 / Shu Eggchee |
| 第 1 著者 所属（和/英） | 福岡大学(略称：福岡大) Fukuoka University(略称：Fukuoka Univ.) |
| 第 2 著者 氏名（和/英） | 田中 勝 / Masaru Tanaka |
| 第 2 著者 所属（和/英） | 福岡大学(略称：福岡大) Fukuoka University(略称：Fukuoka Univ.) |
| 発表年月日 | 2018-01-18 |
| 資料番号 | PRMU2017-129,MVE2017-50 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | PRMU-391,MVE-392 |
| ページ範囲 | pp.141-146(PRMU), pp.141-146(MVE), |
| ページ数 | 6 |
| 発行日 | 2018-01-11 (PRMU, MVE) |