文献

J-GLOBAL ID：201702262137970289   整理番号：17A0206631

モデル誘導分布マッチングによるマルチラベルアクティブ学習【Powered by NICT】

Multi-label active learning by model guided distribution matching

著者 (3件)： Gao Nengneng (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics) ,  Huang Shengjun (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics) ,  Chen Songcan (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics)
資料名： Jisuanji Kexue Qianyan  (Jisuanji Kexue Qianyan)
巻： 10  号： 5  ページ： 845-855  発行年： 2016年 
JST資料番号： C2824A  ISSN： 2095-2228  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： マルチラベル学習は,複数の意味論的ラベルを持つ物体を用いた学習のための効果的な枠組みであり,多くの実世界タスクに適用することに成功した。伝統的な単一ラベル学習とは対照的に,マルチラベル例を標識のコストはかなり高い,可能な限り少数のラベル付き例を用いた効果的なマルチラベル学習モデルを訓練するために重要な課題となっている。ラベルの問合せのための最も価値あるデータを選択する積極的,能動的学習はラベリングコストを低減する最も重要な手法である。本論文では,バッチモードマルチラベルアクティブ学習のための新しいアプローチMADMを提案した。一方,MADMはラベル付きデータおよびラベル無しデータの分布を整合させることにより特徴とラベル空間の両方における代表性と多様性を利用した。一方,質問予測正例,負よりも有益であると期待される傾向にある。ベンチマークデータセット上での実験を行い,提案した方法は,ラベリングコストを大幅に低減できることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *学習 ,  意味論 ,  *マッチング ,  学習モデル
準シソーラス用語： 能動的学習 ,  *能動学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチラベル学習 ,  バッチモード能動学習 ,  分布マッチング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： モデル ,  誘導 ,  分布 ,  マッチング ,  学習