文献

J-GLOBAL ID：201802244313754063   整理番号：18A1021634

サポートベクトルマシンのための半教師つきアクティブ学習:データにおける構造情報を活用する新しいアプローチ【JST・京大機械翻訳】

Semi-supervised active learning for support vector machines: A novel approach that exploits structure information in data

著者 (3件)： Calma Adrian (Intelligent Embedded Systems Group, University of Kassel, Wilhelmshoher Allee 71 - 73, Kassel 34121, Germany) ,  Reitmaier Tobias (Intelligent Embedded Systems Group, University of Kassel, Wilhelmshoher Allee 71 - 73, Kassel 34121, Germany) ,  Sick Bernhard (Intelligent Embedded Systems Group, University of Kassel, Wilhelmshoher Allee 71 - 73, Kassel 34121, Germany)
資料名： Information Sciences  (Information Sciences)
巻： 456  ページ： 13-33  発行年： 2018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： 今日の情報社会において,例えば,社会ネットワーク,技術的応用,あるいはビジネス実践において,より多くのデータが出現している。企業はデータマイニングあるいは機械学習法を用いてこれらのデータを商業化しようとしている。この目的のために,データはしばしば分類されるか分類されるが,高い(金銭的または時間的)コストでは多くの時間がかかる。これらのコストを低減するための効果的なアプローチは,ALが個別データ点(サンプル)を特異的に質問することにより分類器の訓練プロセスを制御することにより,ドメインエキスパートによりラベル付けされた(例えばクラスメンバシップにより提供される)。しかしながら,現在のAL研究の分析は,ALがまだいくつかの欠点を持っていることを示している。特に,分類(例えば,クラスタ情報)の入力空間における(un)ラベル付けデータの空間パターンによって与えられる構造情報は,不十分な方法で使用される。この挑戦を満たすために,本論文は分類のためのサポートベクトルマシン(SVM)に基づくALのための新しいアプローチを提示する。構造情報は,ラベル情報が利用可能になるとき,実行時に反復的に改善される確率モデルによって捕捉される。次に,確率モデルを,AL(4DS戦略)のための距離,密度,多様性,および分布情報に基づく選択戦略,およびSVMのための特定のカーネル関数において考察する。20のベンチマークデータセットとMNISTデータセットによって,著者らの新しい解法が最先端の方法より著しく良い結果を生み出すことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報化社会 ,  機械学習 ,  商業化 ,  *サポートベクトルマシン ,  データマイニング ,  確率モデル ,  クラスタ
準シソーラス用語： Kernel関数 ,  空間パターン ,  社会的ネットワーク ,  *能動学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： アクティブ学習 ,  半教師つき学習 ,  サポートベクトルマシン ,  構造情報 ,  責任加重Mahalanobisカーネル ,  4DS戦略

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： サポートベクトルマシン ,  教師 ,  アクティブ学習 ,  活用