文献

J-GLOBAL ID：201002273399560151   整理番号：10A1538735

空間折畳みモデルを用いた特徴抽出とニューラルネットワークへの適用

著者 (4件)： PHAM Minh Tuan (名古屋大) ,  吉川大弘 (名古屋大) ,  古橋武 (名古屋大) ,  橘完太 (工学院大)
資料名： インテリジェント・システム・シンポジウム(CD-ROM)  (Symposium on Fuzzy, Artificial Intelligence, Neural Networks and Computational Intelligence (CD-ROM))
巻： 20th  ページ： ROMBUNNO.S7-4-2  発行年： 2010年 
JST資料番号： L1193B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ニューラルネットワークによる教師付学習や種々のクラスタリング手法による教師無し学習など機械学習の多くの手法では,特徴抽出が重要となる。データ分布自体が線形分離不可能な場合,何らかの非線形変換を施し,特徴空間で線形分離可能に近づける方法がよく用いられる。本稿では,空間折畳みモデルに基づく特徴抽出を提案する。提案手法ではN次元データ空間における各基底ベクトルをプラス方向とマイナス方向の二つに分割し,2N本のN次元基底ベクトルを可変とし最適化する。2N本の可変とした基底ベクトルを,同じラベルを持つデータ間の距離が小さく,異なるラベルのデータ間の距離が大きくなるように,ラベルと距離とのクロスエントロピーを最小化するように推定する。提案手法では象限ごとに異なる線形変換を行い,全体として非線形変換を行うため,従来の単一の線形変換による特徴抽出と比べ判別精度を向上できる。本稿では,提案した空間折畳みモデルを用いた特徴抽出がニューラルネットワークに有効であることをUCIのベンチマーク問題において確認した。(著者抄録)

シソーラス用語： *機械学習 ,  *特徴抽出 ,  *ニューラルネットワーク ,  データ ,  距離 ,  モデル ,  折畳み
準シソーラス用語： インスタンス ,  インスタンス間距離 ,  空間折畳みモデル

分類 (1件)： CAI  (JE09000G)

タイトルに関連する用語 (4件)： 折畳み ,  モデル ,  特徴抽出 ,  ニューラルネットワーク