講演抄録/キーワード |
講演名 |
2019-03-14 15:35
繰り返し誤り検出型のクラスタリング手法に適用したニューラルネットワークのDropout層の効果 ○渡邉大志・山内将行(広島工大)・田中 衞(上智大) NLP2018-130 |
抄録 |
(和) |
IoT は大きく発展し続けており,インターネット上の雑然としたビックデータを有効に扱う必要が益々高まりつつある.
このビックデータの分類,解析をする上で重要となる技術の一つにクラスタリングがある.
我々が以前から開発してきた,クラシフィケーションが可能なアルゴリズムである``繰り返し誤り検出型のクラスタリング手法''にニューラルネットワークを適用したシステムがある.
このシステムの最適化の工夫として有効であったと考えられるDropout層の影響について調査を行う。 |
(英) |
IoT has been continued to develop greatly. It is important that cluttered big data need to be used effectively on internet.
Clustering is one of important techniques for seperating and analyzing of big data.
There is a ``Iterative Error-detection type clustering method system'' with Neural Networks that we have developed.
We investigate the effect of the Dropout layer which is thought to device considered useful for optimization of the system. |
キーワード |
(和) |
クラスタリング / 繰り返し誤り検出型 / ニューラルネットワーク / クラシフィケーション / データマイニング / ドロップアウト / / |
(英) |
Clustering / Iterative Error-Detection / Neural Networks / Classification / Data Mining / Dropout / / |
文献情報 |
信学技報, vol. 118, no. 498, NLP2018-130, pp. 31-36, 2019年3月. |
資料番号 |
NLP2018-130 |
発行日 |
2019-03-07 (NLP) |
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 |
NLP2018-130 |