| 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 | 2021-03-05 13:50 多クラス分類器を用いるアンサンブル学習型DCSOM ○高橋秋将・山内ゆかり（日大）  NC2020-71 |
|
| 抄録 | （和） | 昨年、自己組織化マップを用いて画像の視覚的特徴を抽出する深層畳み込み自己組織化マップ(Deep Convolutional Self-Organizing Map: DCSOM)が、Salehらによって提案された。DCSOMは高いノイズ耐性を持つ事を特徴としており、ノイズあり手書き文字画像を用いた実験で最先端の手法を凌駕する結果を示している。しかし、DCSOMでは特徴抽出後の分類に2値分類器であるサポートベクターマシンを用いているため、クラス数の増加に伴ってパフォーマンスが低下し、また過学習を回避するために厳密なパラメータ調整を要求するなどの問題点があった。そこで本研究では、畳み込みニューラルネットワークにおける全結合層のように、多クラス分類器である階層型ニューラルネットワークを用いる事を提案する。更にアンサンブル学習を応用する事によって、パラメータ調整無しに過学習を抑制する事を試みる。 |
| （英） | Deep Convolutional Self-Organizing Map (DCSOM) which extracts visual features from images by using self-organizing maps was proposed by Saleh et al last year. DCSOM is robust to noise and experimental results using noisy handwritten digits shows that the performance of DCSOM outperforms state-of-the-art methods. However, due to DCSOM uses support vector machine, which is a binary classifier, for classification after feature extraction, its performance degrades as the number of classes increases, and it requires strict parameter tuning to avoid overlearning. In this research, we propose to use a hierarchical neural network, which is a multiclass classifier, like fully connected layers in Convolutional Neural Network. Furthermore, we try to avoid overfitting without adjusting parameters by applying ensemble learning. | |
| キーワード | （和） | 自己組織化マップ / 深層畳み込み自己組織化マップ / アンサンブル学習 / 手書き文字認識 / / / / |
| （英） | Self-Organizing Maps / Deep Convolutional Self-Organizing Maps / Ensemble Learning / Handwriting Recognition / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 403, NC2020-71, pp. 163-168, 2021年3月. | |
| 資料番号 | NC2020-71 | |
| 発行日 | 2021-02-24 (NC) | |
| ISSN | 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 | NC2020-71 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2021-03-03 - 2021-03-05 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | NC, ME, 一般 |
| テーマ（英） | Neuro Computing, Medical Engineering, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2021-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | 多クラス分類器を用いるアンサンブル学習型DCSOM |
| サブタイトル（和） | |
| タイトル（英） | DCSOM with Ensemble Learning Classifier |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 自己組織化マップ / Self-Organizing Maps |
| キーワード(2)（和/英） | 深層畳み込み自己組織化マップ / Deep Convolutional Self-Organizing Maps |
| キーワード(3)（和/英） | アンサンブル学習 / Ensemble Learning |
| キーワード(4)（和/英） | 手書き文字認識 / Handwriting Recognition |
| 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） | 高橋 秋将 / Akito Takahashi / タカハシ アキト |
| 第1著者 所属（和/英） | 日本大学 (略称： 日大) Nihon University (略称： Nihon Univ) |
| 第2著者 氏名（和/英/ヨミ） | 山内 ゆかり / Yukari Yamauchi / ヤマウチ ユカリ |
| 第2著者 所属（和/英） | 日本大学 (略称： 日大) Nihon University (略称： Nihon Univ) |
| 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 | 2021-03-05 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2020-71 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.403 |
| ページ範囲 | pp.163-168 |
| ページ数 | 6 |
| 発行日 | 2021-02-24 (NC) |
[研究会発表申込システムのトップページに戻る]