文献

J-GLOBAL ID：201802290066844330   整理番号：18A0725942

測地線上のラベル伝搬による半教師つき学習【JST・京大機械翻訳】

Semi-Supervised Learning Through Label Propagation on Geodesics

著者 (5件)： Fan Mingyu (College of Mathematics and Information Science, Wenzhou University, Wenzhou, China) ,  Zhang Xiaoqin (College of Mathematics and Information Science, Wenzhou University, Wenzhou, China) ,  Du Liang (School of Computer and Information Technology, Shanxi University, Taiyuan, China) ,  Chen Liang (College of Mathematics and Information Science, Wenzhou University, Wenzhou, China) ,  Tao Dacheng (UBTech Sydney Artificial Intelligence Institute, School of Information Technologies, Faculty of Engineering and Information Technologies, University of Sydney, Darlington, NSW, Australia)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 48  号： 5  ページ： 1486-1499  発行年： 2018年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
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： グラフベースの半教師つき学習(SSL)は,過去10年間にわたり大きな注目を集めている。しかし,本論文ではまだいくつかの未解決問題がある。1)複雑な分布を持つデータに対する効果的なグラフを構築する方法,2)ロバストなラベル伝搬に対するペアワイズ類似性を定義し,効果的に用いる方法。本論文では,複数のデータ多様体上に存在するデータ上のグラフを構築するために,単純で効果的なグラフ構築法を利用した。この方法はペアワイズデータポイントの間の接続性を保証することができた。次に,測地線距離がグラフ距離によって近似される測地線距離ベースの結合確率によって,グローバルな対ごとのデータ類似性を自然に特徴付けた。新しいデータ類似性は,以前のユークリッド距離ベースの類似性よりはるかに効果的である。ロバストなラベル伝搬のためのデータ構造を適用するために,Kullback-Leibler発散を利用して,入力ペア類似性と出力類似性の間の不整合性を測定した。クラス内とクラス間の分散をさらに考慮するために,サンプルごとのマージンに関する新しい正則化項を目的関数に導入した。これにより,入力データ構造と分類のためのラベル情報を完全に利用できる。この問題に対して,効率的な最適化法と収束解析を提案した。さらに,サンプル外拡張について議論し,取り組んだ。画像分類タスクに関する最先端のSSL法との比較を提示し,提案した方法の有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  不整合 ,  正則化 ,  目的関数 ,  最適化 ,  類似性 ,  データ構造 ,  グラフ ,  連結性 ,  *測地線 ,  多様体
準シソーラス用語： 画像分類 ,  Euclid距離 ,  *半教師つき学習 ,  *ラベル伝搬 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 測地線 ,  ラベル伝搬 ,  半教師つき学習