文献

J-GLOBAL ID：201002264085074040   整理番号：10A0454653

コストを意識した複数カーネル学習

Cost-conscious multiple kernel learning

著者 (2件)： GOENEN Mehmet (Dep. of Computer Engineering, Bogazici Univ., TR-34342 Bebek, Istanbul, TUR) ,  ALPAYDIN Ethem (Dep. of Computer Engineering, Bogazici Univ., TR-34342 Bebek, Istanbul, TUR)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 31  号： 9  ページ： 959-965  発行年： 2010年07月01日 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,重みつき線形和を用いて複数のカーネルを組合せることが提案されている。ある応用では,異なったカーネルは異なった入力表現を用い,またこれらの方法はそれらを取得するコストやカーネルを評価するコストを考慮していない。ここでは,このコストを意識した方法論のために,複数カーネル学習(Mkl)の枠組みを一般化した。UCIレポジトリからの12のベンチマークデータセット上で,Mklとそのコスト意識版を精度,サポートベクトル数,および全体コストについて比較した。コスト意識Mklは,少数のサポートベクトル/カーネルを用いて,付随コストを持った各表現/カーネルによりもたらされる最良のトレードオフ精度で,統計的に類似の精度結果を達成した。また,この手法をMIPS総合酵母ゲノムデータベース(CYGD)からの二つの有名な生物情報学データ集合上で試験し,コスト因子のカーネル組合せへの統合により,少数のカーネルおよび/またはサポートベクトルを用いることで,より安価なカーネル組合せが得られることが分かった。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *サポートベクトルマシン ,  組合せ ,  原価 ,  トレードオフ ,  最適化 ,  精度
準シソーラス用語： *カーネル学習法 ,  分類精度

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 意識 ,  カーネル学習