Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Multi-Task Convolutional Neural Network Leading to High Performance and Interpretability via Attribute Estimation Rangkaian Neural Konvolusi Berbilang Tugas yang Membawa kepada Prestasi Tinggi dan Kebolehtafsiran melalui Anggaran Atribut

Keisuke MAEDA, Kazaha HORII, Takahiro OGAWA, Miki HASEYAMA

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Rangkaian saraf konvolusi berbilang tugas yang membawa kepada prestasi tinggi dan kebolehtafsiran melalui anggaran atribut dibentangkan dalam surat ini. Kaedah kami boleh memberikan tafsiran hasil klasifikasi CNN dengan mengeluarkan atribut yang menerangkan elemen objek sebagai alasan penghakiman CNN di lapisan tengah. Tambahan pula, rangkaian yang dicadangkan menggunakan atribut anggaran untuk ramalan kelas berikut. Akibatnya, pembinaan CNN pelbagai tugas baru dengan penambahbaikan dalam kedua-dua kebolehtafsiran dan prestasi klasifikasi direalisasikan.

Jawatankuasa
IEICE TRANSACTIONS on Fundamentals Vol.E103-A No.12 pp.1609-1612
Tarikh penerbitan
2020/12/01
Diumumkan
ISSN dalam talian
1745-1337
DOI
10.1587/transfun.2020SML0006
Jenis Manuskrip
Special Section LETTER (Special Section on Smart Multimedia & Communication Systems)
kategori
Rangkaian Neural dan Bioengineering

Pengarang

Keisuke MAEDA
  Hokkaido University
Kazaha HORII
  Hokkaido University
Takahiro OGAWA
  Hokkaido University
Miki HASEYAMA
  Hokkaido University

Kata kunci

Contents [show]