文献

J-GLOBAL ID：201802222147428558   整理番号：18A0030151

部分分布情報を用いた教師なし多視点学習【Powered by NICT】

Unsupervised multiview learning with partial distribution information

著者 (3件)： De Silva Shashini (School of EECS, Oregon State University, Corvallis, Oregon, US 97331) ,  Kim Jinsub (School of EECS, Oregon State University, Corvallis, Oregon, US 97331) ,  Raich Raviv (School of EECS, Oregon State University, Corvallis, Oregon, US 97331)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： MLSP  ページ： 1-6  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： クラスラベルを各訓練例を注釈の代わりに,既知のクラス条件付き分布から導かれた付加的な特徴を同時に獲得する訓練データ収集機構を考察した。潜在的変数として真のラベルを考慮すると,これらのラベル無し訓練データに基づく分類器を訓練するために提案した最尤アプローチ。,相関訓練事例の場合を考察し,続いて収集された訓練事例のための潜在的ラベル変数は一次反応速度モデルMarkov鎖を形成した。分類器を訓練するために提示した凸最適化アプローチと期待値最大化アルゴリズム。提案したアプローチの有効性は,虹彩データとMNIST手書き数字データを用いた実験を用いて検証した。Copyright 2018 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： *数字 ,  最尤法
準シソーラス用語： EMアルゴリズム ,  凸最適化 ,  訓練データ , 【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)： 分布 ,  教師 ,  多視点学習