文献

J-GLOBAL ID：201802289437635848   整理番号：18A2014018

帰納的半教師つき学習のための効率的動的グラフ構築

Efficient dynamic graph construction for inductive semi-supervised learning

著者 (5件)： Dornaika F. (University of the Basque Country, UPV/EHU, San Sebastian, Spain) ,  Dornaika F. (IKERBASQUE, Basque Foundation for Science, Bilbao, Spain) ,  Dahbi R. (Le2i FRE2005, CNRS, Arts et Metiers, Univ. Bourgogne Franche-Comte, UTBM, F-90010 Belfort, France) ,  Bosaghzadeh A. (Shahid Rajaee Teacher Training University, Tehran, Iran) ,  Ruichek Y. (Le2i FRE2005, CNRS, Arts et Metiers, Univ. Bourgogne Franche-Comte, UTBM, F-90010 Belfort, France)
資料名： Neural Networks  (Neural Networks)
巻： 94  ページ： 192-203  発行年： 2017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： ほとんどのグラフ構築技術は,全体のデータ収集が建設時間で利用可能な変換的設定を仮定している。帰納的設定のためのグラフ構築を扱うことは,データが連続的に到来しているので,非常に少ない注意を受けている。帰納的設定のために,スクラッチからグラフを構築することは,非常に時間を消費することができる。本論文は,任意のグラフ構築法を増分できる一般的フレームワークを紹介した。このフレームワークは,以前に構築されたグラフに新しいサンプル(ラベル付けまたはラベル付けされていない)を追加する効率的で動的なグラフ構築法をもたらす。事例研究として,最近提案された二相加重正則化最小二乗(TPWRLS)グラフ構築法を用いた。本論文は2つの主な寄与を持つ。最初に,既存のデータベースに関して新しいサンプルを表現するためにTPWRLS符号化方式を使用した。次に,代表的係数を用いてグラフ親和性行列を更新した。提案方法は,新しいサンプルをグラフに追加するだけでなく,ノードが新しいサンプルの導入によって影響を受けて,それらのエッジ重みを更新することによって,全体のグラフ構造を更新する。本論文の第2の貢献は,視覚ベースの認識タスクに対する複数の観測を用いたグラフベースのラベル伝搬の問題に対する提案フレームワークの応用である。いくつかの画像データベースに関する実験は,最終分類の精度における有意な損失なしで,提案した動的グラフ構築がバッチグラフ構築より効率的であることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  学習 ,  *教師つき学習 ,  グラフ理論 ,  ラベル付け【画像】 ,  アノテーション ,  効率化 ,  *画像データベース ,  評価試験
準シソーラス用語： *動的グラフ ,  *半教師つき学習

著者キーワード (5件)： データ自己表現グラフ構築 ,  グラフに基づく半教師つき学習 ,  増分グラフ構築 ,  帰納的半教師つき学習 ,  多重観測

分類 (4件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  グラフ理論基礎  (IA02020S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 半教師つき学習 ,  グラフ ,  構築