抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】