文献

J-GLOBAL ID：202002287204348819   整理番号：20A2615199

敵対学習によるマルチラベル分類のための結合ラベル分布の獲得【JST・京大機械翻訳】

Capturing Joint Label Distribution for Multi-Label Classification Through Adversarial Learning

著者 (3件)： Wang Shangfei (Key Lab of Computing and Communication Software of Anhui Province, School of of Computer Science and Technology, University of Science and Technology of China, Hefei, Anhui, China) ,  Peng Guozhu (Key Lab of Computing and Communication Software of Anhui Province, School of of Computer Science and Technology, University of Science and Technology of China, Hefei, Anhui, China) ,  Zheng Zhuangqiang (Key Lab of Computing and Communication Software of Anhui Province, School of of Computer Science and Technology, University of Science and Technology of China, Hefei, Anhui, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 32  号： 12  ページ： 2310-2321  発行年： 2020年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  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： ラベル相関はマルチラベル学習にとって重要である。現在のマルチラベル学習手法は,一次,二次,および高次のラベル依存性を利用することができるが,それらは,完全なラベル相関を利用できず,それは,グランドトルースラベルの結合ラベル分布に含まれる。しかしながら,複雑で未知の関節ラベル分布を直接モデル化することは,不可能ではないならば,非常に困難である。本論文では,グランドトルースマルチラベルと予測多重ラベルの共同分布間の類似性を強制するための敵対学習フレームワークを提案した。特に,提案したマルチラベル学習法はマルチラベル分類器とラベル識別器を含む。分類器は予測ラベルと対応するグランドトルースラベルの間の誤差を最小化し,誤差に対する識別室を与える。識別器の対象は,予測ラベルをグランドトルースラベルと区別することである。分類器と識別器を代替プロセスを通して同時に訓練した。敵対的学習によって,予測マルチラベルの共同ラベル分布は,グラウンドトルースマルチラベルに固有の結合分布に収束し,その結果,11のベンチマークデータベースの実験で実証されたようにマルチラベル学習の性能を高める。Copyright 2020 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： 弁別器 ,  *学習 ,  データベース ,  多重化 ,  類似性 ,  ベンチマーク
準シソーラス用語： 分類会計機 ,  グランドトゥルース ,  *マルチラベル分類 , 【Automatic Indexing@JST】

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)： 敵対 ,  学習 ,  マルチラベル分類 ,  ラベル ,  分布 ,  獲得