文献

J-GLOBAL ID：201702245391226621   整理番号：17A1271529

固定更新時間を持つ新しい物体のインクリメンタルなロボット学習【Powered by NICT】

Incremental robot learning of new objects with fixed update time

著者 (6件)： Camoriano Raffaello (iCub Facility, Istituto Italiano di Tecnologia (IIT), Genoa, Italy) ,  Pasquale Giulia (iCub Facility, Istituto Italiano di Tecnologia (IIT), Genoa, Italy) ,  Ciliberto Carlo (LCSL, IIT and MIT, Cambridge, USA) ,  Natale Lorenzo (iCub Facility, Istituto Italiano di Tecnologia (IIT), Genoa, Italy) ,  Rosasco Lorenzo (LCSL, IIT and MIT, Cambridge, USA) ,  Metta Giorgio (iCub Facility, Istituto Italiano di Tecnologia (IIT), Genoa, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 3207-3214  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 環境に関する経験を蓄積する,生涯学習の文脈における物体認識,ロボットエージェントは,ますます多くオブジェクトクラスの間を識別する学習を考察した。分類(RLSC)アルゴリズムのための正則化最小二乗法のインクリメンタル変異体を提案し,その構造を利用して学習されたモデルへの新しいクラスをシームレスに。提示したアルゴリズムは,クラスあたりの訓練例の不平衡比率,初めてシステムに新しいオブジェクトを提示したとき起こるの問題を検討した。ロボット設定における機械学習ベンチマークデータセットと二つの挑戦的な物体認識タスクの双方上で提案アルゴリズムを評価した。経験的証拠は,クラスが不均衡の場合,提案アプローチでは,そのバッチよりも比肩するあるいはより高い分類性能を達成することを示し,有意に速くした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ロット ,  アルゴリズム ,  *ロボット ,  生涯教育 ,  正則化 ,  機械学習 ,  物体認識 ,  最小二乗法
準シソーラス用語： 不均衡 ,  シームレス ,  オブジェクトクラス ,  *ロボット学習 , 【Automatic Indexing@JST】

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)： 更新 ,  物体 ,  ロボット学習