- …
- …
#539
summarized by : Tsubura Kazuki
どんな論文か？
勾配降下法(GD)が単純であるため，ニューラルネットを学習するためのデフォルトな手法となった．弱教師あり学習したCNNセグメンテーションの文脈で，GDが不十分であっても，ADMによって最先端を達成することを実証．
新規性
勾配降下法に代わるものとして，ネットワークトレーニング中の正則化損失を最小にするための alternating direction method (ADM)を提案．
結果
α拡大によるグリッドCRF損失に対するADMは，コンバージェンスを大幅に改善し，低いトレーニング損失を達成．たとえば，ADMを最初に1000回繰り返すと，グリッドCRFの損失がGDの最良の結果よりも少なくなる．
その他（なぜ通ったか？等）
- …
- …