文献

J-GLOBAL ID：202002212849348563   整理番号：20A1184813

距離計量学習のための安全な三重項スクリーニング【JST・京大機械翻訳】

Safe Triplet Screening for Distance Metric Learning

著者 (3件)： Yoshida Tomoki (Nagoya Institute of Technology, Nagoya, Japan) ,  Takeuchi Ichiro (Nagoya Institute of Technology, Nagoya, Japan) ,  Karasuyama Masayuki (Nagoya Institute of Technology, Nagoya, Japan)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’18  ページ： 2653-2662  発行年： 2018年 
JST資料番号： D0698C  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： 計量学習のための安全なスクリーニングを研究した。距離メトリック学習は,一組の三重項にわたる計量を最適化することができ,その一つは一対の同じクラスインスタンスと異なるクラスのインスタンスにより定義される。しかし,可能な三重項の数は小さなデータセットに対しても非常に大きい。著者らの安全な三重項スクリーニングは,最適性を失うことなく最適化問題から安全に取り除くことができる三重項を同定する。既存の安全なスクリーニング研究と比較して,三重項スクリーニングは,(1)可能な三重項の膨大な数,(2)最適化における半限定的制約のため,特に重要である。スクリーニングルールのいくつかの変種を導出し,それらの関係を解析した。ベンチマークデータセットに関する数値実験は,安全な三重項スクリーニングの有効性を実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習 ,  最適化問題 ,  距離計 ,  有効性 ,  ベンチマーク ,  *スクリーニング
準シソーラス用語： 数値実験 ,  凸最適化 ,  最適性 ,  距離メトリック学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 凸最適化 ,  計量学習 ,  安全なスクリーニング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 距離計量学習 ,  三重項 ,  スクリーニング