文献

J-GLOBAL ID：201902224971427012   整理番号：19A0135646

特徴を意識したコスト感受性ラベル埋込みによるマルチラベル分類【JST・京大機械翻訳】

Multi-Label Classification with Feature-Aware Cost-Sensitive Label Embedding

著者 (2件)： Chiu Hsien-Chun ,  Lin Hsuan-Tien
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： TAAI  ページ： 40-45  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： マルチラベル分類(MLC)は,各インスタンスが複数ラベルで注釈される重要な学習問題である。ラベル埋め込み(LE)は,より良い性能に向けてラベルの潜在的構造を抽出し,利用するMLCのための重要な方法である。家族内では,抽出中の特徴とラベル情報を共同的に考慮する特徴認識LE法は,特徴のないものよりも優れた性能に達することが示されている。それにもかかわらず,現在の特徴認識LE法は,異なる評価基準に柔軟に適応するように設計されていない。本研究では,訓練中に望ましい評価基準(コスト)を考慮した新しい特徴認識LE法を提案した。この方法は,特徴認識高感度ラベル埋め込み(FaCLE)と呼ばれ,深いSiameseネットワークを持つ埋め込みベクトル間の距離への基準を符号化する。FaCLEの特徴認識特性は,埋込み誤差と特徴対埋込み誤差を共同で考慮する損失関数で達成される。さらに,FaCLEを付加的ビットトリックと結合して,おそらく非対称基準を扱った。異なるデータセットと評価基準にわたる実験結果は,FaCLEが他の最先端の特徴認識LE法より優れており,費用に敏感なLE法に対して競争力があることを実証した。Copyright 2019 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： 鋳物 ,  ネットワーク ,  高感度 ,  評価基準 ,  *感受性 ,  学習 ,  ベクトル ,  非対称性 ,  損失関数
準シソーラス用語： 最先端 ,  認知特性 ,  特徴認識 ,  *マルチラベル分類 , 【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)： 意識 ,  感受性 ,  ラベル ,  埋込み ,  マルチラベル分類