文献

J-GLOBAL ID：201002243161933689   整理番号：10A0507815

信号処理アプリケーションのためのスパース多重カーネル学習

Sparse Multiple Kernel Learning for Signal Processing Applications

著者 (2件)： SUBRAHMANYA Niranjan (Purdue Univ., IN) ,  SHIN Yung C. (Purdue Univ., IN)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 32  号： 5  ページ： 788-798  発行年： 2010年05月 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習において予測精度および信頼性を高めるためにデータフュージョンが有効であることが知られている。また信号処理においてカーネルベース手法の効率的実装のために,凸主問題定式化を利用した多重カーネル学習アルゴリズムが用いられているが,カーネル重みづけの選択に問題が指摘されている。これに対し本研究では,スパース性を持つ解の候補を導くために,主問題において,追加的な対数ベースの凹ペナルティ項の利用法を提案した。グループ選択項およびパラメータ推定において,代理関数最小化を用いる方法およびアルゴリズムを提示した。スパース多重カーネル学習(SMKL)アルゴリズムの候補カーネル凸結合の最適化手法について述べた。SMKLは既存の効率的カーネルアルゴリズムを利用するとともに,よりスパースな解を提供できる点が特徴である。ここでは,分類問題および回帰問題に対してSMKLアルゴリズムを適用する評価実験を実施し,極めて少ないカーネルで極めて高い精度が実現可能であることを確認した。

シソーラス用語： *機械学習 ,  *信号処理 ,  データ融合 ,  重みづけ ,  ペナルティ関数 ,  *最小化問題 ,  最適化手法 ,  性質 ,  評価試験 ,  精度
準シソーラス用語： カーネル学習 ,  スパース性 ,  データフュージョン

分類 (3件)： 人工知能  (JE08000Z) ,  信号理論  (ND02020G) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (3件)： アプリケーション ,  多重 ,  カーネル学習