データ不足の下での部分的教師付きマルチラベル分類のための隣接リスク最小化の再検討【JST・京大機械翻訳】

Dong Nanqing; Wang Jiayi; Voiculescu Irina

プレプリント

J-GLOBAL ID：202202201414105670 整理番号：22P0334242

データ不足の下での部分的教師付きマルチラベル分類のための隣接リスク最小化の再検討【JST・京大機械翻訳】

Revisiting Vicinal Risk Minimization for Partially Supervised Multi-Label Classification Under Data Scarcity

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月19日プレプリントサーバーでの情報更新日： 2022年04月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

注釈の高い人的コストのため,すべてのクラスの関心に対して完全にラベル付けされた大規模医療データセットを整理することは自明ではない。代わりに,異なるマッチング源から複数の小さな部分ラベル付きデータセットを収集するのは便利であり,そこでは医用画像が関心クラスの部分集合に対してのみ注釈付けされるかもしれない。本論文では,部分的にラベル付けされた医用画像のみを用いてマルチラベル分類器を訓練する部分教師つきマルチラベル分類(PSMLC)の,未探索問題の経験的理解を提供した。完全に監督された対応物とは対照的に,医療データ不足に起因する部分監視は,モデル性能に自明でないマイナスの影響を持っている。潜在的治療法は部分ラベルを増強できる。近接リスク最小化(VRM)はモデルの一般化能力を改善する有望な解決策であるが,PSMLCへの応用は未解決の問題である。方法論的ギャップを埋めるために,PSMLCに対する最初のVRMベースの解決策を提供した。また,経験的結果は,データ不足の下で部分的教師つき学習に関する将来の研究方向への洞察を提供する。【JST・京大機械翻訳】

, , , , ,
, 【Automatic Indexing@JST】

人工知能 , パターン認識

, , ,

前のページに戻る