WEKO3
アイテム
ラプラス正則化付き最適輸送問題を用いたPU学習手法の検討
https://ipsj.ixsq.nii.ac.jp/records/216514
https://ipsj.ixsq.nii.ac.jp/records/216514311e8b25-dfce-417a-80e5-702fe7f0e814
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-AVM22116015.pdf (1.0 MB)
|
Copyright (c) 2022 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2022-02-18 | |||||||||||
| タイトル | ||||||||||||
| タイトル | ラプラス正則化付き最適輸送問題を用いたPU学習手法の検討 | |||||||||||
| タイトル | ||||||||||||
| 言語 | en | |||||||||||
| タイトル | PU Learning using Optimal Transport with Laplacian Regularization | |||||||||||
| 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 | ||||||||||||
| 早稲田大学基幹理工学部情報通信学科 | ||||||||||||
| 著者所属 | ||||||||||||
| 早稲田大学大学院基幹理工学研究科情報理工・通信専攻 | ||||||||||||
| 著者所属 | ||||||||||||
| 早稲田大学基幹理工学部情報通信学科／早稲田大学大学院基幹理工学研究科情報理工・通信専攻 | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| Department of Communications and Computer Engineering, School of Fundamental Science and Engineering, Waseda University | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| Department of Computer Science and Communications Engineering, Graduate School of Fundamental Science and Engineering, Waseda University | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| Department of Communications and Computer Engineering, School of Fundamental Science and Engineering, Waseda University / Department of Computer Science and Communications Engineering, Graduate School of Fundamental Science and Engineering, Waseda University | ||||||||||||
| 著者名 |
影山, 遼
× 影山, 遼
× 福永, 拓海
× 笠井, 裕之
|
|||||||||||
| 論文抄録 | ||||||||||||
| 内容記述タイプ | Other | |||||||||||
| 内容記述 | Positive Unlabeled (PU) 学習は機械学習の分野の一つであり，二値分類を拡張した学習手法である．二値分類との違いは，学習データとして正のラベルデータのみを与える点にある．従来，PU 学習の一手法として最適輸送問題を用いた手法が検討されてきた．PU 学習を行う際のデータの分布に関する仮定の 1 つとして，滑らかさというものが存在する．これは，近いところに位置するデータ同士は同じ正クラスに属する確率も近いとする仮定である．これを踏まえると，最適輸送問題を考える際に，輸送元となるラベルなしデータで近かった点は輸送後も近くなるようにマッピングがなされるべきであると考えられる．本稿では，ラプラス正則化を用いて輸送前後の距離関係に基づいたマッピングを行う学習法について提案する． | |||||||||||
| 書誌レコードID | ||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||
| 収録物識別子 | AN10438399 | |||||||||||
| 書誌情報 |
研究報告オーディオビジュアル複合情報処理（AVM） 巻 2022-AVM-116, 号 15, p. 1-4, 発行日 2022-02-18 |
|||||||||||
| ISSN | ||||||||||||
| 収録物識別子タイプ | ISSN | |||||||||||
| 収録物識別子 | 2188-8582 | |||||||||||
| 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 | |||||||||||
