文献

J-GLOBAL ID：201802275515591985   整理番号：18A1597577

限界予測子を用いた半教師つき転送学習【JST・京大機械翻訳】

SEMI-SUPERVISED TRANSFER LEARNING USING MARGINAL PREDICTORS

著者 (2件)： Deshmukh Aniket Anand (Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI, 48105) ,  Laftchiev Emil (Data Analytics, Mitsubishi Electric Research Labs, Cambridge, MA, 02139)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DSW  ページ： 160-164  発行年： 2018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： 本論文では,移動学習における非標識データを用いる問題に取り組んだ。具体的には,少数のラベル付きデータ点と多数のラベル付けされていないデータ点から構成される部分的にラベル付けされた訓練データセットを用いた新しいラベル付けされたデータセットのための転送学習に焦点を合わせた。移動学習を可能にするために,著者らは,訓練と試験データセットが類似の確率分布から引き出され,各データセットにおけるラベル付けされていないデータが類似の基礎多様体によって記述されると仮定する。提供された解は,適切な再生カーネルHilbert空間における経験的リスクを最適化する分布自由,カーネルおよびグラフLaplaceベースのアプローチである。この手法を,分類精度のための合成データセットと,予測精度のためのUCI機械学習リポジトリからのParkinsonのテレモニタリングデータセット上で試験した。結果は,標準教師つき学習アルゴリズムと比較して,誤分類誤差の27.3%改善と予測誤差の5.9%改善を示した。本研究で示された結果は,医学からの領域,機械信頼性,人間行動の予測に広く適用できる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Hilbert空間 ,  人間行動 ,  予測誤差 ,  教師つき学習 ,  確率分布 ,  信頼性 ,  最適化 ,  多様体 ,  アルゴリズム ,  リポジトリ ,  機械学習 ,  *学習
準シソーラス用語： 予測精度 ,  分類精度 ,  訓練データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 限界 ,  予測子 ,  教師 ,  転送 ,  学習