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。
グラフベース手法による半教師つき学習問題に取り組むことは,グラフがすべての種類のデータを表現でき,微分演算子のような連続体限界を研究するための適切なフレームワークを提供するので,近年の動向となっている。ここでのポピュラーな戦略は,p-Laplacian学習であり,それは,ラベルなしデータのセットに関して,探索された推論関数に平滑条件を与える。このアプローチのp<∞連続体限界について,Γ収束からのツールを用いて研究した。Lipschitz学習と呼ばれるp=∞の場合,関連する無限大Laplace方程式の連続体限界を粘度解の概念を用いて研究した。本研究では,Γ収束を用いてLipschitz学習の連続体限界を証明した。特に,グラフ関数の最大局所Lipschitz定数を近似する一連の汎関数を定義し,グラフが高密度になると勾配の上限ノルムに対するL ̄∞トポロジーにおけるΓ収束を証明した。さらに,最小化者の収束を意味する汎関数のコンパクト性を示した。本解析では,Hausdorff距離における一般的閉集合に収束するラベル付きデータの可変セットを可能にした。この結果を,非線形基底状態,すなわち,制約付きL ̄pノルムを持つ最小化者,および副産物として適用し,グラフ距離関数の測地線距離関数への収束を証明した。【JST・京大機械翻訳】