文献

J-GLOBAL ID：202002267122860343   整理番号：20A1795631

一貫性のあるタスクダイバーシチによるマルチタスクマルチビュー学習における相互作用モデリング【JST・京大機械翻訳】

Interactions Modeling in Multi-Task Multi-View Learning with Consistent Task Diversity

著者 (2件)： Li Xiaoli (University of Kansas, Lawrence, KS, USA) ,  Huan Jun (Baidu Research, Baidu Inc., Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’18  ページ： 853-861  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： マルチタスクマルチビュー(MTMV)学習は,最近,異種データを扱うための顕著な発展を遂げている。関連するタスクと関連ビューの両方からの情報を利用するために,共通の戦略は,タスク関連性とビュー一貫性を別々にモデル化することである。この戦略の欠点は,タスクとビュー間の相互作用を考慮しないことである。これを改善するために,非対称双線形因子アナライザー(aBFA)にランク制約を加えることにより,新しい方法,racBFAを提案した。次に,racBFAをMTMV学習問題に適用し,新しいMTMV学習アルゴリズム,racMTMVを設計した。3つの実世界データセットでracMTMVを評価した。実験結果は提案方法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： *相互作用 ,  *学習 ,  *ダイバーシチ通信 ,  非対称性 ,  分析機器 ,  線形性 ,  有効性 ,  学習アルゴリズム
準シソーラス用語： *マルチタスク ,  *マルチビュー学習 ,  異種データ , 【Automatic Indexing@JST】

著者キーワード (2件)： マルチタスクマルチビュー学習 ,  ランク一貫性

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： タスク ,  ダイバーシチ ,  マルチタスク ,  マルチビュー学習 ,  相互作用 ,  モデリング