抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
学習ハッシング手法の中で,教師つきハッシングは,意味的類似性を維持するために訓練データのコンパクトな2進表現を求める。近年,教師つきハッシングのための種々の問題の定式化と最適化法を示した。それらの大部分はregulization項,ハッシング符号の最大事後(MAP)推定として見ることができると損失関数の形を最適化した。しかし,これらのアプローチは,ハイパーパラメータを注意深く調整されなければ,過剰適合する傾向がある。この問題に対処するために,著者らは,Bayes教師つきハッシング(BSH)と命名した,教師つきハッシング問題のための新しい完全Bayes処理のハイパーパラメータを最適化中に調整されるを示した。さらに,自動関連性決定(ARD)を使用することによって,異なるハッシングビットの相対的識別能力を把握し,それらの中で,最も有益なビットを選択することができる。意味情報を用いた三つの実世界画像データセット上での実験結果により,BSHは同程度の訓練時間で最先端の方法よりも優れた性能を達成できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
