文献

J-GLOBAL ID：201702253920486124   整理番号：17A1208941

自己ペース学習の理論的理解【Powered by NICT】

A theoretical understanding of self-paced learning

著者 (3件)： Meng Deyu (School of Mathematics and Statistics and Ministry of Education Key Lab of Intelligent Networks and Network Security, Xian Jiaotong University, Xian 710049, PR China) ,  Zhao Qian (School of Mathematics and Statistics and Ministry of Education Key Lab of Intelligent Networks and Network Security, Xian Jiaotong University, Xian 710049, PR China) ,  Jiang Lu (School of Computer Science, Carnegie Mellon University, USA)
資料名： Information Sciences  (Information Sciences)
巻： 414  ページ： 319-328  発行年： 2017年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自己ペース学習(SPL)は,ヒト/動物の学習原理によって模倣することにより設計した最近提案された方法論である。SPL実現スキームを種々のコンピュータビジョンやパターン認識タスクのために設計された,これらの応用に有効であることを経験的に実証した。しかし,文献は,SPLの理論的理解の不足である。この研究ギャップに関しては,本研究は,SPL方式のいくつかの新しい理論的理解を提供することを試みた。より詳しくいえば,ここでは,SPLに解法を陰的目的関数に実装マジョライゼーション最小化アルゴリズムと一致することを証明した。さらに,この陰的目的に含まれる損失関数は統計と機械学習で知られている非凸正則化ペナルティ(NCRP)と同様の構成を持つことを見出した。この結合は,SPL領域とNCRP型間の固有関係を発見,平滑クリップ絶対偏差(SCAD),対数ペナルティ(LOG)と非凸指数ペナルティ(EXP)のようなことがに刺激を与えた。SPL下でロバスト性の洞察は,微細説明できた。も容易な損失前埋め込み特性に関するSPLの能力を解析し,電流SPL変動の下での有効性機構の洞察に満ちた解釈を提供する。群半順序損失前は弱い標識大規模データ処理タスクのための特に有用なを設計した。FCVIDデータセット,現在最大の人手アノテーション付きビデオデータセットの1つ前のこの損失とSPLを適用することにより,提案手法では,既存の方法以上の最先端技術の性能,提案した理論的議論をさらに支持を達成した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 凸形 ,  コンピュータビジョン ,  対数 ,  *学習 ,  正則化 ,  パターン認識 ,  ロバスト性 ,  損失関数 ,  ヒト ,  アノテーション ,  ペナルティ ,  目的関数 ,  電流 ,  機械学習 ,  アルゴリズム

著者キーワード (4件)： 自己ペース学習 ,  カリキュラム学習 ,  マルチメディアイベント検出 ,  非凸正則化ペナルティ

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 自己 ,  学習 ,  理論 ,  理解