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。
マルチビューデータは複数のモダリティからの情報を含み,多様な機械学習タスクのためのより包括的な特徴を提供する可能性を有する。多視点解析における基本的問題は,追加情報によって追加の情報がもたらすことができるか,また,この追加情報を定量的に同定できることである。本研究では,各単一視点に特異的であるすべてのビューと個人表現に共通する共有潜在表現にもつれた多視点特徴を分解することにより,この課題に取り組むことを試みた。著者らは,情報ボトルネックのフレームワークにおけるこの特徴解答を定式化し,非もつれ変分情報ボトルネック(DVIB)を提案した。DVIBは,相互情報からの制約を用いて共有および個人表現の特性を明示的に定義する。相互情報項の変分上界と下界を導出することにより,表現を効率的に最適化する。DVIBにより学習された共有および個人表現は,各単一視点に対応する2つのビューとユニークなラベルの間で共有された共通ラベルを良好に保存することを証明した。また,DVIBは,崩壊による画像に関する分類タスクにおいて同等の性能を示した。DVIB実装は,利用可能である。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】