文献

J-GLOBAL ID：202202213112971046   整理番号：22A0480652

情報造粒によるグラフ埋込みのためのクラス特異的計量学習アプローチ【JST・京大機械翻訳】

A class-specific metric learning approach for graph embedding by information granulation

著者 (4件)： Baldini Luca (Department of Information Engineering, Electronics and Telecommunications - University of Rome “La Sapienza”, Via Eudossiana 18, 00184 Rome, Italy) ,  Martino Alessio (Institute of Cognitive Sciences and Technologies - Italian National Research Council, Via San Martino della Battaglia 44, 00185 Rome, Italy) ,  Martino Alessio (Department of Business and Management - LUISS University, Viale Romania 32, 00197 Rome, Italy) ,  Rizzi Antonello (Department of Information Engineering, Electronics and Telecommunications - University of Rome “La Sapienza”, Via Eudossiana 18, 00184 Rome, Italy)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 115  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： グラフは,トポロジーおよび意味情報の両者を符号化する能力のおかげで,パターン認識コミュニティにおいて多くの注目を集めている。それらの貴重な記述力にもかかわらず,それらの任意に複雑な構造化性質は,それらが学習システムに関与するとき,重大な課題を提起する。共通のパターン認識法の利用を可能にする適切なプロトタイプの選択に活用することにより,適切な埋込み空間におけるグラフのベクトル表現を構築するのに典型的なアプローチが目的である。データ駆動方式でプロトタイプを合成できる新しいパラダイムを,粒状コンピューティングで見つけることができる。それにもかかわらず,これらの方法は,通常,非常に問題に依存する適切なパラメータの集合に依存するグラフドメインで直接定義されるコア非類似性測度を必要とする。これらのパラメータの自動選択は,構造化とベクトルドメイン間の意味コンテンツを保存できる埋込み空間を構築するのに最も重要である。本論文では,手における分類問題に対する問題関連クラスのそれぞれに合わせた多重非類似度測度を学習するための進化的ベースアプローチを提案した。学習クラス固有のメトリックスは,粒状コンピューティングアプローチによって各クラスに関連する高い情報量を有するプロトタイプの合成に寄与する。そのようなプロトタイプは,グラフ分類がベクトルデータのための共通パターン認識技術で起こり得る埋込み空間を誘発する。公的に利用可能なデータセット上で行われた試験は,合成モデルで考慮された意味のあるプロトタイプの分類精度と数によって測定されるように,モデルの学習性能と解釈可能性の両方に関して,提案した方法の有効性を確認した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  測度 ,  パターン認識 ,  ベクトル ,  *学習 ,  *造粒 ,  情報量 ,  教師つき学習 ,  多重化 ,  コンテンツ ,  プロトタイプ
準シソーラス用語： 意味情報 ,  学習支援システム ,  非類似性 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (7件)： 粒状計算 ,  グラフ分類 ,  構造パターン認識 ,  教師付き学習 ,  不正確なグラフマッチング ,  グラフ埋込み ,  計量学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 造粒 ,  グラフ埋込み ,  クラス ,  計量 ,  学習