文献

J-GLOBAL ID：201202248508284933   整理番号：12A1564004

多様な最大エントロピーモデルのアンサンブル生成

CREATING ENSEMBLE OF DIVERSE MAXIMUM ENTROPY MODELS

著者 (4件)： AUDHKHASI Kartik (Univ. Southern California, CA) ,  SETHY Abhinav (IBM T J Watson Res. Center, NY) ,  RAMABHADRAN Bhuvana (IBM T J Watson Res. Center, NY) ,  NARAYANAN Shrikanth S. (Univ. Southern California, CA)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2012 Vol.7  ページ： 4845-4848  発行年： 2012年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 複数のエキスパートのアンサンブルは,多くのパターン分類タスクで,単一エキスパートの性能を凌駕する。分類器のアンサンブルを学習する一般的な手法として,バギングとAdaBoostがある。分類器アンサンブルの性能向上には分類器の多様性が必要であるが,既存手法は多様性制御の方法を備えていない。本論文は,特に音声処理と言語処理における最新の分類器である最大エントロピー(MaxEnt)モデルに焦点を絞り,多様性を確保する方法を示した。通常のMaxEntモデルの学習に対する目的関数を修正し,基準モデルに対し多様な事後分布を出力するようにした。多様性スコアとして,Kullback-Leiblerダイバージェンスと事後相互相関を検討した。名前つき実体認識および情動認識という2種の分類タスクに関する実験により,この方法で生成したMaxEntアンサンブルの利点を示した。

シソーラス用語： 集合 ,  *パターン分類 ,  コンピュータ ,  *機械学習 ,  多様性 ,  *最大エントロピー法 ,  音声処理 ,  機能 ,  目的関数 ,  確率分布 ,  規範モデル ,  エントロピー ,  情報量 ,  相関 ,  パターン認識
準シソーラス用語： Kullback-Leiblerダイバージェンス ,  *アンサンブル学習 ,  言語処理 ,  事後分布 ,  相互相関 ,  分類機

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 最大エントロピー ,  モデル ,  アンサンブル