@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00213365,
 author = {藤野, 知之 and 柏木, 啓一郎},
 book = {第29回マルチメディア通信と分散処理ワークショップ論文集},
 month = {Oct},
 note = {勾配ブースティング法（GBDT）はさまざまな利用シーンで用いられ，特にデータベースのようなテーブルデータや IoT のセンサデータを用いた機械学習に頻繁に用いられている．一方，映像や画像・自然言語・音声といったメディアデータの分類においてはニューラルネットワークを用いた深層学習が一般的によく用いられており，GBDT はそのアルゴリズム的な構造から，メディアデータのような高次元データにおいて精度面で深層学習に劣る．本研究では，GBDT にニューラルネットワークの学習アルゴリズムである誤差逆伝播法の考え方を導入し，高次元データを高精度で扱えるよう拡張を施した．これにより，メディアデータの機械学習において，従来深層学習一択であったユーザーの選択肢を広げるとともに，GBDT の適用可能な問題範囲を広げる可能性を示した．本稿では，アルゴリズムの提案，実装そして画像データセットによる性能評価について述べる．},
 pages = {86--91},
 publisher = {情報処理学会},
 title = {高次元入力データのための誤差逆伝搬を用いたGBDT実装の検討},
 year = {2021}
}