文献

J-GLOBAL ID：202002234194335856   整理番号：20A1689939

データ駆動ペアワイズラベル依存性を利用したマルチラベル分類【JST・京大機械翻訳】

Multilabel classification by exploiting data-driven pair-wise label dependence

著者 (4件)： He Tao (Machine Intelligence Laboratory, College of Computer Science, Sichuan University, Chengdu, Sichuan Province, China) ,  Zhang Lei (Machine Intelligence Laboratory, College of Computer Science, Sichuan University, Chengdu, Sichuan Province, China) ,  Guo Jixiang (Machine Intelligence Laboratory, College of Computer Science, Sichuan University, Chengdu, Sichuan Province, China) ,  Yi Zhang (Machine Intelligence Laboratory, College of Computer Science, Sichuan University, Chengdu, Sichuan Province, China)
資料名： International Journal of Intelligent Systems  (International Journal of Intelligent Systems)
巻： 35  号： 9  ページ： 1375-1396  発行年： 2020年 
JST資料番号： T0454A  ISSN： 0884-8173  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： ラベル依存性の拡大は,マルチラベル分類問題のための分類性能を高めるための広く使われるアプローチである。しかし,従来のラベル依存法のほとんどは,特に深層ニューラルネットワーク(DNN)と組み合わせた場合,高い時間複雑性を持つ。したがって,それらは通常大規模データセットに効率的に適用できない。大規模マルチラベル分類の最近の進歩は,ペアワイズランキングと構造駆動法が広く開発されているが,ラベル依存性はほとんど利用されていない。構造駆動法の大部分において,多重バイナリ交差エントロピー(BCE)損失関数,単純だが効果的な方法を有するバイナリ関連性(BR)は,大規模データセットにおけるDNNsによる事前解組込みである。本論文では,ラベル依存交差エントロピー(LDCE)と呼ばれる新しい損失関数を提案し,データ駆動条件付き確率によりBCE損失関数に対するラベル依存性を直接導入した。深い畳み込みニューラルネットワーク(DCNNs)と組み合わせて,LDCEは余分なパラメータを導入しず,余分な計算複雑度をほとんど誘導しない。さらに,自動学習ペアワイズラベル依存性のためのスパースラベル依存性とその学習可能バージョンを有するその小さな変異体を開発した。BR方式の中で,LDCEは7つの広く使われているベンチマークデータセットでBCEより優れている。また,DCNNによる2つの大規模マルチラベル画像分類タスク(VOC 2007と胸部X線14)を実行し,LDCEはBCEを凌駕し,最先端技術に匹敵する結果を達成した。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *エントロピー ,  学習 ,  損失関数 ,  計算量 ,  多重化 ,  ベンチマーク
準シソーラス用語： 条件付確率 ,  画像分類 ,  複雑性 ,  *データ駆動 ,  バイナリー ,  *マルチラベル分類 ,  大規模データセット ,  ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： クロスエントロピー ,  データ駆動 ,  深層ニューラルネットワーク ,  ラベル依存 ,  マルチラベル分類 ,  ペアワイズラベル依存性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： データ駆動 ,  依存性 ,  マルチラベル分類