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。
従来の教師つき学習または分類の主な仮定は,試験サンプルが訓練サンプルと同じ分布から引き出され,それは閉集合学習または分類と呼ばれることである。多くの実際的シナリオにおいて,これは,オープンセットシナリオと呼ばれているテストデータに未知または不確かなクラスサンプルがあり,未知数を検出する必要があるので,ケースではない。この問題は,オープンセット認識問題と呼ばれ,安全クリティカルアプリケーションにおいて重要である。ペアワイズ類似性を学習することを通して未知(または,非セーククラスサンプル)を検出することを提案する。提案方法は2つのステップで動作する。それは最初に,訓練に現れて,次に,疑似非意味(自動的に生成された非意味クラスサンプル)と見られるクラスを比較する方法を学ぶために,閉じた集合分類装置を学習する。擬似非Se発生は,観測または訓練サンプルに関して分布シフト増大を実行することによって実行した。著者らは,著者らの方法OPG(擬似非意味データ生成に基づくOpen集合認識)と呼ぶ。実験評価は,学習された類似性ベースの特徴が,オープンセット認識のためのベンチマークデータセットにおいて,見えないと区別できるのを示している。【JST・京大機械翻訳】