抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
サイズと源の両方に関してデータの劇的な成長により,不均一データからの学習は,多くの実際の応用のための重要な研究方向として出現している。このタイプの問題の最大の課題の一つは,意味の学習モデルの一般性と品質を大幅に改善できることを異種データを統合する方法である。本論文では,まず,二タイプのデータ不均一性の見解不均一性(マルチビュー学習のように)と労働者の不均一性(クラウドソーシングにおけるように)から構造情報を活用することを目的とした統一学習フレームワークを提案した。目的は,正則化された予測テンソルを持つ損失項を最小化による一貫性と労働者のコンセンサスの原理に従った。を反復更新法を用いた最適化フレームワークを緩和し,解決することを提案した。も最も時間のかかる更新ブロックの勾配が労働者に,より速い速度とより良い収束による無作為化アルゴリズムにつながると分離できることを証明した。最後に,いくつかの最新の提案手法を比較し,種々のデータセット上でその有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】