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。
ビューの重要性を区別することは,半教師つきマルチビュー学習モデルに対して非常に役立つことが証明されている。しかしながら,既存の戦略は,半教師つき情報を利用することができず,データ特徴の観点からの見解の重要性を識別するだけで,それは低品質の視点によってしばしば影響を受け,貧弱な性能をもたらす。本論文では,ラベル付きデータと異なるビューの重要性の間のリンクを確立することにより,単一重要度または低品質ビューのマイナス影響を避けるため,ラベル透視からビューの重要性を評価するための自動重み付け戦略を提案した。この戦略に基づいて,トランスダクティブ半教師つき自動重み付けマルチビュー分類モデルを提案した。提案モデルの初期化をラベル付きデータによって効果的に決定することができ,それは実用的である。モデルは局所収束保証で効率的に最適化できる3つの小規模サブ問題に分離される。分類タスクに関する実験結果は,提案方法が他の関連方法と比較して最も低い計算コストで最適または準最適分類精度を達成して,重量変化実験は,著者らの提案戦略が低品質ビューを有するマルチビューデータセットに関する他の関連戦略よりより正確に見解重要性を区別できることを示した。【JST・京大機械翻訳】