{"product_id":"ieej-zt183106","title":"ニューラルネットにおける不均衡画像データの学習精度向上手法","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-106\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成30年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2018\/03\/05\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eAn Improvement Method of Imbalanced Image Data Learning Accuracy in Neural Network\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e大塚 恵介(明治大学),熊野 照久(明治大学)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eKeisuke Otsuka(Meiji University),Teruhisa Kumano(Meiji University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003eニューラルネットワーク,不均衡データ,画像認識\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003eニューラルネットワークは画像認識を始めとしてさまざまな分野ですでに実用化されている。実生活の中でニューラルネットを応用する際、学習データはクラスごとのデータ数に偏りがある不均衡データである場合がある。不均衡データに対してとくに対策せずクラス分類したとき学習データ数が少ないクラスについてほどんど学習することなく、他のクラスのみ学習の対象になってしまうことがあり、解決が望まれている。不均衡データの対処方法は主に二つで学習データ数そのものを調整する方法と少数派クラスに対して学習時の重み付けをする方法がある。本研究では学習時に重み付けをする方法で手書き数字画像認識の学習精度の向上を試みた成果を報告する。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e377 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46400676331759,"sku":"IEEJ-ZT183106-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_9e54b20d-3171-420a-b92b-3b156c8c82ce.png?v=1744927780","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt183106","provider":"電気学会 電子図書館","version":"1.0","type":"link"}