文献

J-GLOBAL ID：201102291801531614   整理番号：11A1216744

SERAPH:超疎性のある半教師付き距離学習パラダイム

SERAPH: Semi-supervised Metric Learning Paradigm with Hyper Sparsity

著者 (4件)： NIU Gang (Tokyo Inst. Technol.) ,  DAI Bo (Inst. Automation, Chinese Acad. Sci.) ,  YAMADA Makoto (Tokyo Inst. Technol.) ,  SUGIYAMA Masashi (Tokyo Inst. Technol.)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 111  号： 87(IBISML2011 1-16)  ページ： 51-58  発行年： 2011年06月13日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 分類されていないデータによる非常に限定されたサイド情報から距離基準の学習問題を考察する。教師付き部分と教師なし部分が統合された情報理論の枠組に基づいているので,提案したSERAPH(SEmi-supervised metRic leArning Paradigm with Hyper sparsity)は,半教師付き距離学習の直接的で実質的なより自然なアプローチである。他の半教師付き拡張と異なり,SERAPHの教師なし部分は教師付き部分と積極的に相互作用することにより,分類されていないデータからサイド情報をさらに抽出できる。SERAPHは観測されない弱いラベルの事後分布の疎性と誘導された射影行列の疎性の両方を伴う。それを超疎性と呼ぶ。合成最適化はEMに似た方式で解かれる。ここでMステップは凸で,Eステップは解析解を持つ。SERAPHは,弱いラベルに基づいた既存の距離学習アルゴリズムに遜色のない実験結果を示す。(翻訳著者抄録)

シソーラス用語： 性質 ,  学習 ,  情報 ,  *ラベル付け【画像】 ,  確率分布 ,  *学習アルゴリズム ,  *距離空間 ,  事後分布
準シソーラス用語： *サイド情報 ,  *スパース性 ,  *半教師つき学習

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (24件)：

• ARGYRIOU, A. Multi-task feature learning. NIPS, 2006. 2006
• BAGHSHAH, M. Semi-supervised metric learning using pairwise constraints. IJCAI, 2009. 2009
• BELKIN, M. Laplacian eigenmaps and spectral techniques for embedding and clustering. NIPS, 2001. 2001
• BELLARE, K. Alternating projections for learning with expectation constraints. UAI, 2008. 2008
• BERGER, A. A maximum entropy approach to natural language processing. Computational Linguistics. 1996, 22, 39-71

タイトルに関連する用語 (3件)： 教師 ,  学習 ,  パラダイム