文献

J-GLOBAL ID：201902271853976815   整理番号：19A0466623

画像分類のためのマルチタスク学習に基づく非線形特徴を用いた協調自己回帰法【JST・京大機械翻訳】

Collaborative Self-Regression Method With Nonlinear Feature Based on Multi-Task Learning for Image Classification

著者 (5件)： Li Ao (Postdoctoral Research Station of School of Computer Science and Technology, Harbin University of Science and Technology, Harbin, China) ,  Wu Zhiqiang (Department of Electrical Engineering, Wright State University, Dayton, OH, USA) ,  Lu Huaiyin (School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou, China) ,  Chen Deyun (Postdoctoral Research Station of School of Computer Science and Technology, Harbin University of Science and Technology, Harbin, China) ,  Sun Guanglu (Postdoctoral Research Station of School of Computer Science and Technology, Harbin University of Science and Technology, Harbin, China)
資料名： IEEE Access  (IEEE Access)
巻： 6  ページ： 43513-43525  発行年： 2018年 
JST資料番号： W2422A  ISSN： 2169-3536  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： マルチタスク学習は機械学習の分野で最近大きな関心を集めている。それは,タスク間に隠された複数の潜在的関係を共同的に学習するためのかなりの能力を示し,データマイニングおよびコンピュータビジョン問題において広く使用されている。本論文では,画像分類問題を扱うための新しいマルチタスクに基づく協調線形回帰フレームワークを提案した。これにより,クラス特異的で協調的に共有された潜在的構造要素を同時に探索することができる。提案フレームワークは,それらの間の共有構造を転送するタスクとして,各クラスのマルチターゲット回帰を取る。より効率的で適応性があるために,クラスごとの非線形部分空間もまた,クラス間識別とモデル適応性を得るためにこのフレームワークにおいて学習される。提案したフレームワークは,非線形投影特徴と回帰パラメータを共同学習するための統一的で柔軟な知覚を提供する。さらに,反復交互最適化による数値スキームも開発し,提案フレームワークにおける新しい目的関数を解き,収束を保証した。いくつかのデータセットで試験した広範な実験結果は,提案したフレームワークが既存の競合法より優れており,一貫して高い性能を達成することを実証した。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： 最適化 ,  コンピュータビジョン ,  適応性 ,  目的関数 ,  *データマイニング ,  機械学習
準シソーラス用語： 数値スキーム ,  協調学習 ,  部分空間 ,  マルチターゲット ,  線形回帰 ,  *マルチタスク ,  *自己回帰 ,  *マルチタスク学習 ,  *画像分類 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 画像分類 ,  マルチタスク学習 ,  非線形 ,  協調 ,  自己回帰