@techreport{oai:ipsj.ixsq.nii.ac.jp:00189700,
 author = {福馬, 智生 and 鳥海, 不二夫 and Fukuma, Tomoki and Toriumi, Fujio},
 issue = {7},
 month = {Jun},
 note = {推論を行う際かつて学習の際用意していたラベルセットのどれにも属さないようなラベルのデータが入力された場合，それらを未知と検出できることは大変重要である．本研究ではラベル付きのデータセットとラベルが付与されていないデータセットを同時に学習し，既存のクラスのどれにも属さないような未知ラベルの検出を特徴抽出の過程から End-to-End で行う半教師あり手法を提案する．MNIST データセットを使った精度検証において，全 10 個の学習ラベルのうち 5 個のみを学習に用いて学習を行った際，テストデータについて未知ラベルかどうかの二値分類で約 80%，10 クラスへのクラスタリングで約 82% の精度となり，従来手法よりも遥かに高い精度で未知クラスかどうかの判別と複数個の発見が可能であることが示された．},
 title = {CapsuleNet を用いた半教師ありクラスタリングによる未知ラベルの検出},
 year = {2018}
}