文献

J-GLOBAL ID：201702285598767827   整理番号：17A0369046

局所構造化出力予測因子の半教師つき学習【Powered by NICT】

Semi-supervised learning of local structured output predictors

著者 (1件)： Du Xin (School of Electrical Engineering, Beijing Jiaotong University, Beijing 100044, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 220  ページ： 151-159  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 本論文では,半教師つき構造化出力予測の問題,出力なしの入出力対と単一入力の両方のデータ点の集合から,配列,ツリーノード,ベクターなどのような,構造化出力の予測因子を学習することを目的としたを研究した。この問題を解決する従来の方法は,通常,全データ点に対して単一予測因子を学習し,異なるデータ点の多様性を無視している。データセットの異なる部分は異なる局所分布を持ち,異なる最適局所予測因子を必要とするかもしれない。既存手法のこの欠点を克服するために,筆者らは,異なるデータ点の近傍のための異なる局所予測因子,失われた構造化出力を同時に学習することを提案した。各データ点の近傍では,予測器の複雑性と構造予測損失の上限を最小化することにより線形予測器を学習するために提案した。最小化は,勾配降下アルゴリズムにより行った。DDSMマンモグラフィ医用画像,太陽自然画像データセット,Cora研究論文データセット,およびスペインのニュースワイヤ記事文データセットを含む四つのベンチマークデータセット上での実験を行い,提案手法の利点を示した。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： 乳房撮影 ,  医用画像 ,  ベクター ,  スペイン ,  線形予測 ,  機械学習 ,  *構造形成
準シソーラス用語： 自然画像 ,  構造予測 ,  複雑性 ,  予測器 ,  *出力予測 ,  *半教師つき学習 ,  *予測因子 ,  *局所構造 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  構造化出力 ,  半教師つき学習 ,  局所線形回帰 ,  勾配降下

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 局所構造 ,  予測因子 ,  半教師つき学習