文献

J-GLOBAL ID：202202271882424449   整理番号：22A0848767

多視点逐次データモデリングのための条件付き確率場【JST・京大機械翻訳】

Conditional Random Fields for Multiview Sequential Data Modeling

著者 (3件)： Sun Shiliang (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Dong Ziang (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Zhao Jing (School of Computer Science and Technology, East China Normal University, Shanghai, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 3  ページ： 1242-1253  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,マルチビュー学習は機械学習にますます焦点が集まっている。しかし,ほとんどの既存のマルチビュー学習法は,固有の動的構造がしばしば無視されるマルチビューシーケンシャルデータを直接取り扱うことができない。特に,ほとんどの伝統的多視点機械学習法は,シーケンス内の異なる時間スライスのアイテムが互いに独立していると仮定する。この問題を解決するために,多視点CRFと呼ばれるマルチビューシーケンシャルデータをモデル化するために,条件付きランダム場(CRF)に基づく新しいマルチビュー判別モデルを提案した。それは,各シーケンスにおけるアイテム間の関係を構築するCRFの利点を継承する。さらに,マルチビューデータのためにCRFsに関して設計した特定の特徴を導入することによって,マルチビューCRFは,異なる見解の間の関係を考慮するだけではなく,また,同じ見解から特性間の相関を捕えた。特に,いくつかの特徴を,特徴空間の適切なサイズを構築するために,異なる視点に再利用または分割できる。これは,あまりにも小さな特徴空間または過度に大きい特徴空間に起因する過剰適合問題によって引き起こされたアンダーフィッティング問題を避けるのを助ける。大規模データを処理するために,確率勾配法を用いてこのモデルを高速化した。テキストとビデオデータに関する実験結果は,提案モデルの優位性を説明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *モデリング ,  再利用 ,  高速化 ,  機械学習
準シソーラス用語： 確率場 ,  特徴空間 ,  条件つき確率場 ,  マルチビュー ,  確率勾配 ,  マルチビュー学習 ,  大規模データ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 視点 ,  逐次 ,  データモデリング ,  条件付き確率場