抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ここ数十年間,マルチタスク学習またはマルチビュー学習が,両学習シーンを同時に考慮する状況は,あまり注目されていない。各学習タスクパフォーマンスを改善するために,各単一タスクの多重ビュー潜在表現を利用する方法は,課題問題である。これに基づいて,著者らは,一般的および特殊特徴(MTMVCSF)に基づくマルチタグマルチビュー学習と呼ばれる新しい半教師つきアルゴリズムを提案した。一般に,マルチビューはオブジェクトの異なる側面であり,あらゆるビューは,このオブジェクトの根底にある共通または特別な情報を含む。結果として,著者らは,各視点の特別な特徴およびすべての見解の共通特徴から成る各学習タスクの複数の視点を共同潜在因子にマイニングする。この方法によって,元のマルチタスクマルチビューデータはマルチタスクデータに退化し,複数のタスク間の相関を探索することにより,学習アルゴリズムの性能の改善が可能になる。このアプローチのもう一つの明白な利点は,ラベル付きインスタンスによる回帰タスクの制約によってラベルなしインスタンスの集合の潜在表現を得ることである。これらの潜在表現における分類と半教師つきクラスタリングタスクの性能は,生データよりも明らかに優れている。さらに,AN-MTMVCSFと呼ばれるアンチノイズマルチタスクマルチビューアルゴリズムを提案して,それはノイズラベルに強い適応性を有した。これらのアルゴリズムの有効性を,実世界と合成データの両方に関する一連のよく設計された実験によって証明した。【JST・京大機械翻訳】