WEKO3
アイテム
クラス共通損失関数平滑度の自動設定法を伴う最小分類誤り学習法
https://ipsj.ixsq.nii.ac.jp/records/97968
https://ipsj.ixsq.nii.ac.jp/records/9796871e23134-e53f-4b49-a3e2-4255098d7810
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CVIM14190001.pdf (780.1 kB)
2100年1月1日からダウンロード可能です。
|
Copyright (c) 2014 by the Institute of Electronics, Information and Communication Engineers
This SIG report is only available to those in membership of the SIG. |
|
| CVIM:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2014-01-16 | |||||||
| タイトル | ||||||||
| タイトル | クラス共通損失関数平滑度の自動設定法を伴う最小分類誤り学習法 | |||||||
| タイトル | ||||||||
| 言語 | en | |||||||
| タイトル | Minimum Classification Error Training with Automatic Determination of Loss Smoothness Common to All Classes | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||
| 資源タイプ | technical report | |||||||
| 著者所属 | ||||||||
| 同志社大学 | ||||||||
| 著者所属 | ||||||||
| 情報通信研究機構 | ||||||||
| 著者所属 | ||||||||
| 同志社大学 | ||||||||
| 著者所属 | ||||||||
| 同志社大学 | ||||||||
| 著者所属 | ||||||||
| 情報通信研究機構 | ||||||||
| 著者所属 | ||||||||
| 情報通信研究機構 | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Doshisha University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| NICT | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Doshisha University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Doshisha University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| NICT | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| NICT | ||||||||
| 著者名 |
太田, 健介
× 太田, 健介
|
|||||||
| 著者名(英) |
Kensuke, Ota
× Kensuke, Ota
|
|||||||
| 論文抄録 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 最少分類誤り (MCE: Minimum Classification Error) 学習法で用いられる平滑化分類誤り数損失の平滑性は，学習の未知標本耐性を向上させる効果を持つ．従って，その平滑度の適切な設定が望まれることは明らかであり，最近，パルツェン推定を用いる MCE 学習法の定式化に着目した自動設定法が提案され，その有効性が示されるようになった．しかし，その手法は，分類すべきクラス毎に平滑度を設定するものであり，限られた学習標本に過適応 （過学習） を起こす原理的な弱点を有していた．本稿は，この先行手法の弱点を解決し，平滑度を全クラス共通に自動的に設定するための手法を提案し，その有効性を示すものである．実験の結果，提案手法が，先行する自動設定法と比べて，標本数等に関する種々の実験条件において安定的に高い分類性能を達成できることが明らかとなる． | |||||||
| 論文抄録(英) | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | The smoothness of the smooth classification error count loss used in the Minimum Classification Error (MCE) training has an effect of increasing training robustness to unseen samples. Therefore, an appropriate determination of the smoothness is obviously needed. Recently, to meet this necessity, a method using the Parzen-estimation-based MCE formalization was proposed for automatically setting the smoothness, and its effectiveness was demonstrated. However, this method sets the smoothness in the class-by-class mode, and it has a potential risk of causing over-fitting to training samples. In this paper, we propose a new method for automatically finding an appropriate value of the smoothness that is set to all of the classes, and demonstrate its usefulness. Prom evaluation experiments, we show that the proposed method works more stably and more effectively under various classifier conditions than its counterpart, preceding automatic determination method. | |||||||
| 書誌レコードID | ||||||||
| 収録物識別子タイプ | NCID | |||||||
| 収録物識別子 | AA11131797 | |||||||
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア（CVIM） 巻 2014-CVIM-190, 号 1, p. 1-6, 発行日 2014-01-16 |
|||||||
| Notice | ||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||
| 出版者 | ||||||||
| 言語 | ja | |||||||
| 出版者 | 情報処理学会 | |||||||
