文献

J-GLOBAL ID：202002291548609248   整理番号：20A2046592

形状レットベースのマルチインスタンス学習のための理論とアルゴリズム【JST・京大機械翻訳】

Theory and Algorithms for Shapelet-Based Multiple-Instance Learning

著者 (6件)： Suehiro Daiki (Department of Advanced Information Technology, Faculty of Information Science and Electrical Engineering, Kyushu University, and RIKEN Center for Advanced Intelligence Project, Nishi-ku, Fukuoka, 8190395, Japan) ,  Hatano Kohei (Faculty of Arts and Science, Kyushu University, and RIKEN Center for Advanced Intelligence Project, Nishi-ku, Fukuoka, 8190395, Japan) ,  Takimoto Eiji (Department of Informatics, Faculty of Information Science and Electrical Engineering, Kyushu University, Nishi-ku, Fukuoka, 8190395, Japan) ,  Yamamoto Shuji (Department of Mathematics, Keio University, and RIKEN Center for Advanced Intelligence Project, Minatokita-ku, Yokohama, 2238522, Japan) ,  Bannai Kenichi (Department of Mathematics, Keio University, and RIKEN Center for Advanced Intelligence Project, Minatokita-ku, Yokohama, 2238522, Japan) ,  Takeda Akiko (Department of Creative Informatics, University of Tokyo, and RIKEN Center for Advanced Intelligence Project, Bunkyo-ku, Tokyo, 1138656, Japan)
資料名： Neural Computation  (Neural Computation)
巻： 32  号： 8  ページ： 1580-1613  発行年： 2020年 
JST資料番号： W0257A  ISSN： 0899-7667  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： データの単位がバッグと呼ばれる一連のインスタンスから成る,多重インスタンス学習(MIL)の新しい定式化を提案した。目標は,形状レットとのバッグの類似性がバッグにおけるインスタンスの最大類似性である「形状レット」(またはパターン)との類似性に基づくバッグの良好な分類器を見つけることである。以前の研究では,いくつかの訓練事例が理論的正当化のない形状レットとして選ばれた。この定式化では,全ての可能な,従って無限に多く,形状レットを用いて,より豊富なクラスの分類器をもたらす。定式化は扱いやすく,即ち,線形プログラミングブースティング(LPBoost)により,有限(正確な多項式)サイズの凸(DC)プログラムの差に低減できることを示した。著者らの理論的結果は,いくつかの以前の研究の発見的方法に正当化を与える。提案したアルゴリズムの時間複雑性は,訓練サンプルにおけるすべてのインスタンスの集合のサイズに大きく依存する。多数のインスタンスを含むデータに適用するため,理論的保証の損失なしにアルゴリズムの発見的オプションを提案した。著者らの経験的研究は,著者らのアルゴリズムが,時系列分類と既存の方法に匹敵する精度を有する様々なMILタスクに関して,形状レット学習タスクのために一様に働くことを実証した。さらに,提案した発見的方法は妥当な計算時間で結果を達成できることを示した。Copyright 2020 Massachusetts Institute of Technology Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  線形計画法 ,  多項式 ,  *学習 ,  発見的方法 ,  多重化 ,  凸形 ,  類似性 ,  定式化 ,  複雑性
準シソーラス用語： ブースティング ,  *マルチインスタンス学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マルチインスタンス学習 ,  理論 ,  アルゴリズム