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。
これは計量学習に関するチュートリアルと調査論文である。アルゴリズムを,スペクトル,確率的,および深い計量学習に分割した。まず,距離計量,Mahalanobis距離,および一般化Mahalanobis距離の定義から始めた。スペクトル法において,著者らは,最初のスペクトル計量学習,Fisher判別分析への関連方法,関連成分分析(RCA),識別成分分析(DCA),およびFisher-HSIC法を含む,データの散乱を用いる方法から始めた。次に,大マージン計量学習,不均衡計量学習,局所線形計量適応,および敵対的計量学習をカバーした。また,特徴空間におけるメトリック学習のためのいくつかのカーネルスペクトル法を説明した。また,Riemann多様体上で幾何学的メトリック学習法を導入した。確率的手法では,入力と特徴空間の両方における崩壊クラスから始め,次に,メトリック学習における近傍成分分析方法,Bayesメトリック学習,情報理論的方法,および経験的リスク最小化を説明した。深層学習法において,まず,メトリック学習のための再構成オートエンコーダと教師つき損失関数を導入した。次に,Siameseネットワークとその様々な損失関数,三重項マイニング,および三重項サンプリングについて説明した。Fisher判別分析に基づく深い判別分析法もレビューした。最後に,マルチモーダル深層メトリック学習,ニューラルネットワークによる幾何学的メトリック学習,および少数ショットメトリック学習を導入した。【JST・京大機械翻訳】