文献

J-GLOBAL ID：201702216359247414   整理番号：17A0137997

半教師付き学習における一致性を満たすゆう度方程式の解に基づく予測の漸近評価

著者 (4件)： 安田豪毅 (早稲田大) ,  宮希望 (青山学院大 理工) ,  須子統太 (早稲田大 社会科学総合学術院) ,  松嶋敏泰 (早稲田大 基幹理工)
資料名： 電子情報通信学会論文誌 A(Web)
巻： J100-A  号： 1  ページ： 102-113 (WEB ONLY)  発行年： 2017年01月01日 
JST資料番号： U0470A  ISSN： 1881-0195  資料種別： 逐次刊行物 (A)
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： 近年,特徴ベクトルとラベルの組からなるデータに加え,特徴ベクトルのみからなるデータも用いて学習を行う半教師付き学習の研究が行われている。半教師付き学習の研究では,主に実験による性能評価が行われてきた。理論的な性能評価を扱った研究も行われてはいるが,仮定する条件によってデータ生成のモデルが非常に限定されているものや仮定する条件が明らかにされていないものであった。本研究では,半教師付き学習におけるラベルの予測について性能評価を行う。ラベルの予測については,一致性を満たすゆう度方程式の解に基づいて行うものとする。初めに仮定する条件を明らかにし,その下で一致性を満たすゆう度方程式の解の存在を示す。更に,損失関数を対数損失として危険関数の漸近評価を行う。(著者抄録)

シソーラス用語： 学習 ,  ベクトル ,  データ ,  予測 ,  リスク関数 ,  *性能評価
準シソーラス用語： 半教師つき学習 ,  特徴ベクトル ,  ラベルなしデータ

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (16件)：

• X. Zhu, “Semi-supervised learning literature survey,” Technical Report 1530, Department of Computer Sciences, University of Wisconsin, pp.1-60, 2008.
• M. Seeger, “Learning with labeled and unlabeled data,” EPFL, https://infoscience.epfl.ch/record/161327/files/review.pdf, 2002.
• D. Miller and H. Uyar, “A mixture of experts classifier with learning based on both labeled and unlabeled data,” Proc. Advances in Neural Information Processing Systems 9, pp.571-577, 1997.
• A. Blum and T. Mitchell, “Combining labeled and unlabeled data with co-training,” Proc. Conference on Computational Learning Theory, pp.92-100, 1998.
• K. Nigam, A.K. Mccallum, S. Thrun, and T. Mitchell, “Text classification from labeled and unlabeled documents using EM,” Mach. Learn., vol.39, pp.103-134, 2000.

タイトルに関連する用語 (7件)： 半教師付き学習 ,  一致性 ,  ゆう度 ,  方程式 ,  解 ,  予測 ,  評価