文献

J-GLOBAL ID：201002294416400233   整理番号：10A0162279

Gauss過程のBayesオンラインマルチタスク学習

Bayesian Online Multitask Learning of Gaussian Processes

著者 (3件)： PILLONETTO Gianluigi (Univ. Padova, Padova, ITA) ,  DINUZZO Francesco (Univ. Pavia, Pavia, ITA) ,  DE NICOLAO Giuseppe (Univ. Pavia, Pavia, ITA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 32  号： 2  ページ： 193-205  発行年： 2010年02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： 単一タスクカーネル手法の最近のマルチタスク学習への拡張は成功を収めているが,正則化ネットワークを用いた場合,計算量が膨大になるという欠点を持つ。これに対し本論文では,マルチタスクカーネルの重要クラスに対する効率化方式を提案し,Gauss過程のBayesオンラインマルチタスク学習手法を提案した。計算効率化のために必要な事後平均値および事後分散を取り上げ,サンプリングされた平均タスクの再帰的推定法について論じた。オンラインマルチタスク学習問題のソリューションを提示し,タスク推定,信頼区間の計算,について数学的な議論を行った。最大限界尤度を介した未知のハイパーパラメータの推定について論じた。2種類のシミュレーションベンチマークと薬理学の理論的実験を取り上げ,提案の新しいマルチタスクアルゴリズムの評価実験を実施し,シミュレーショングルコースデータを含む実験結果を提示した。それにより,提案手法の有効性を示した。

シソーラス用語： *Bayes推定 ,  *機械学習 ,  高速化 ,  Gauss過程 ,  推定 ,  再帰性 ,  信頼区間 ,  確率 ,  パラメータ推定 ,  計算機シミュレーション ,  薬理学 ,  評価試験
準シソーラス用語： *Bayes学習 ,  マルチタスク学習 ,  再帰的推定 ,  尤度

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： Gauss過程 ,  オンライン ,  マルチタスク学習