文献

J-GLOBAL ID：201802261658374464   整理番号：18A1691218

畳込みニューラルネットワークにおけるクラス不均衡問題の系統的研究

A systematic study of the class imbalance problem in convolutional neural networks

著者 (5件)： Buda Mateusz (Department of Radiology, Duke University School of Medicine, Durham, NC, USA) ,  Buda Mateusz (School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Stockholm, Sweden) ,  Maki Atsuto (School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Stockholm, Sweden) ,  Mazurowski Maciej A. (Department of Radiology, Duke University School of Medicine, Durham, NC, USA) ,  Mazurowski Maciej A. (Department of Electrical and Computer Engineering, Duke University, Durham, NC, USA)
資料名： Neural Networks  (Neural Networks)
巻： 106  ページ： 249-259  発行年： 2018年10月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究では,畳込みニューラルネットワーク(CNN)の分類性能に及ぼすクラス不均衡の影響を系統的に調べ,その問題に対処する頻繁に使用される方法を比較した。クラス不均衡は古典的機械学習において包括的に研究されてきた一般的な問題であるが,非常に限られた系統的研究が深層学習の文脈において利用可能である。本研究では,分類に対する不均衡の影響を調べるために複雑さが増加するMNIST,CIFAR-10,及びImageNetの3つのベンチマークデータセットを用い,事前クラス確率を補償するオーバーサンプリング,アンダーサンプリング,2段階訓練,及び閾値化といった問題に対処するいくつかの方法の広範な比較を行った。一般的な精度測定基準は不均衡データの文脈で顕著な難しさに関連するので,主な評価尺度は多クラスタスクに調整された受信者動作特性曲線の下の面積(ROC AUC)である。本実験からの結果に基づいて,(i)分類性能に及ぼすクラス不均衡の影響は有害であること,(ii)ほとんどすべての分析されたシナリオで支配的に出現したクラス不均衡を扱う方法は,オーバーサンプリングであったこと,(iii)オーバーサンプリングは不均衡を完全に除去するレベルに対して適用するべきであるが,最適なアンダーサンプリング比は不均衡の程度に依存すること,(iv)いくつかの古典的機械学習モデルとは対照的に,オーバーサンプリングはCNNの過学習を引き起こさないこと,(V)適切に分類されたケースの全体数が興味深い場合に,事前クラス確率を補償するために閾値化が適用されるべきであることを結論付けた。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： ベンチマーク ,  学習モデル ,  *機械学習 ,  特性曲線 ,  信号標本化 ,  標本抽出 ,  *不安定性 ,  分類 ,  *ニューラルネットワーク ,  *非平衡状態 ,  性質
準シソーラス用語： ROC曲線 ,  アンダーサンプリング ,  オーバサンプリング ,  *クラス不均衡 ,  画像分類 ,  *畳込みニューラルネットワーク ,  *深層学習 ,  *不均衡 ,  複雑性

著者キーワード (4件)： クラス不均衡 ,  畳み込みニューラルネットワーク ,  深層学習 ,  画像分類

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  クラス不均衡 ,  問題 ,  系統 ,  研究