識別に悪影響を及ぼす変数の推定・影響排除が可能なautoencoderベース識別器の提案

• Item type: Journal(1)
• 公開日: 2019-01-15
• タイトル: 識別に悪影響を及ぼす変数の推定・影響排除が可能なautoencoderベース識別器の提案
• タイトル / 言語: en
• タイトル: AE-based Classifier Estimating and Eliminating Variables that Deteriorate the Classification
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] ニューラルネットワーク，識別器，オートエンコーダ，再構成誤差，変数選択
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 株式会社豊田中央研究所
• 著者所属: 株式会社豊田中央研究所
• 著者所属: 株式会社豊田中央研究所
• 著者所属(英): en
• 著者所属(英): Toyota Central R&D Laboratories, Inc.
• 著者所属(英): en
• 著者所属(英): Toyota Central R&D Laboratories, Inc.
• 著者所属(英): en
• 著者所属(英): Toyota Central R&D Laboratories, Inc.
• 著者名: 石井, 良尚; 高梨, 昌樹; 三田, 勝史
• 著者名(英): Yoshinao, Ishii; Masaki, Takanashi; Katsushi, Sanda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Neural Networksベースの識別器（NN識別器）は，学習用データが網羅的に収集されていない場合，本来識別に無関係な変数を利用して識別するように学習してしまい，テストデータに対する識別精度が悪化することがある．この精度悪化を回避するための手段として，学習用データに対する変数選択の実施が考えられる．しかし，既存の変数選択手法をNN識別器に対して適用する場合，以下に示す2つの課題が存在する．1つは，NN識別器においては入力変数と識別結果との依存関係を解析するのが困難なため，効率的に識別精度を向上させる変数選択ができないという課題であり，もう1つは，クラスごとに異なる変数選択ができないという課題である．そこで本稿では，上記課題を克服可能なautoencoder（AE）ベースの識別器である「マルチAE識別器」を提案する．マルチAE識別器は，再構成誤差を利用することで識別精度を悪化させた原因の変数をクラスごとに独立して高精度に自動推定できる．加えて，推定した変数の影響を排除して識別できる．また本稿では，実センサデータセットを用いた評価実験を行い，マルチAE識別器が実際に上記の特長を示すことを検証する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Neural Networks-based classifiers (NN classifiers) may degrade the classification accuracy for the test data if the learning data is not exhaustively collected. That is because it inappropriately learns classes with some biased variables involved in the learning data. In order to avoiding the deterioration of the classification, it is simply conceivable to select each set of variables necessary for learning each class. However, there are two significant problems when we apply the variable selection to a NN classifier. One is that we cannot analyze how each variable affects the classification result in the NN classifier. The other is that the conventional NN classifier allows us to determine only a single set of variables for learning all of the classes. Therefore, we proposed a “multi-AE classifier” which is a new autoencoder (AE) based classifier. This classifier enables us to derive the reconstruction error for each variable, and the error enables us to estimate variables deteriorating the classification accuracy. This also allows us to construct each independent set of variables to classify each class. As a result, we achieve high accuracy classification. We verify the effectiveness of the multi-AE classifier with artificial and experimental data set.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 60, 号 1, p. 260-269, 発行日 2019-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764