文献

J-GLOBAL ID：202202262785551700   整理番号：22A0942024

バッグ非類似性正則化マルチインスタンス学習【JST・京大機械翻訳】

Bag dissimilarity regularized multi-instance learning

著者 (5件)： Huang Shiluo (Research Center for Analytical Instrumentation, Institute of Cyber-systems and Control, State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310058, P. R. China) ,  Liu Zheng (Research Center for Analytical Instrumentation, Institute of Cyber-systems and Control, State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310058, P. R. China) ,  Jin Wei (Research Center for Analytical Instrumentation, Institute of Cyber-systems and Control, State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310058, P. R. China) ,  Jin Wei (Huzhou Institute of Zhejiang University, Huzhou 313299, P. R. China) ,  Mu Ying (Research Center for Analytical Instrumentation, Institute of Cyber-systems and Control, State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310058, P. R. China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 126  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： マルチインスタンス学習(MIL)は,訓練データが複数のラベルなしインスタンスからなるラベル付きバッグによって表現される弱い教師つき問題に対処することができる。その実際的重要性のために,MILは最近ますます注目を引いている。バッグ表現の導入はMILデータを学習する魅力的な方法である。しかし,既存のMIL法では,陰的および明示的なバッグ表現を同時に利用することは困難である。本論文では,明示的性または暗黙性に関係なく,複数のバッグ表現を組み込んだバッグ非類似性正則化(BDR)フレームワークを提案した。ここでは,陰的バッグ表現を,バッグの異種性によって提供される固有の幾何学的情報を含む正則化項に組み込んだ。正則化項は教師つき分類器の目的関数に追加できる。明示的バッグ埋込みのための有効な方法も提案して,それは因子分析から得たFisherスコアを利用した。最後に,サポートベクトルマシンと広い学習システムに基づく2つの特定のBDR法を提案した。提案したBDR法を14データセットで評価し,限られた計算消費で競合結果を達成した。また,BDRフレームワークの有効性と特性を論じた。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： *教師つき学習 ,  因子分析 ,  目的関数 ,  *正則化 ,  性質 ,  有効性 ,  サポートベクトルマシン ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 訓練データ ,  学習支援システム ,  異種性 ,  非類似性 ,  教師付き分類 ,  *マルチインスタンス学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチインスタンス学習(MIL) ,  非類似性正則化 ,  Fisherスコア

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： バッグ ,  非類似性 ,  正則化 ,  マルチインスタンス学習