非凸スパース最適化を用いた分類性基準の要素選択

• Item type: SIG Technical Reports(1)
• 公開日: 2024-02-22
• タイトル: 非凸スパース最適化を用いた分類性基準の要素選択
• タイトル / 言語: en
• タイトル: Element Selection Based on Classifiability Using Nonconvex Sparse Optimization
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ポスターセッション1 SIP/EA
• 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: 東京都立大学システムデザイン研究科
• 著者所属: 東京都立大学システムデザイン研究科
• 著者所属: 東京都立大学システムデザイン研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems Design, Tokyo Metropolitan University
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems Design, Tokyo Metropolitan University
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems Design, Tokyo Metropolitan University
• 著者名: 河村, 泰雅; 植野, 夏樹; 小野, 順貴
• 著者名(英): Taiga, Kawamura; Natsuki, Ueno; Nobutaka, Ono
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，分類性を最適化基準として用いる新たな要素選択の枠組みを提案する．要素選択は，1 つのサンプルに対する要素の部分集合を選択することで次元を削減する，スカラー積を必要としない次元削減手法である．ここで，部分集合を選択するための最適化基準が必要であるが，これは後段の応用に適した基準を用いることが望ましく，後段処理として分類問題を考える場合，復元性基準や情報量基準などの既存の枠組みは必ずしも応用に適した最適化基準ではない点が課題となっている．そこで本研究では，ソフトマックス関数とクロスエントロピーによって定義される分類性能を表す損失関数を用いた要素選択問題を考え，これを非凸スパース最適化問題として再定式化することで，分類性基準の要素選択アルゴリズムを新たに導出した．実験結果より，提案手法が既存の要素選択手法と比べて，分類性能に有利な要素を選択していることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this study, we propose a new framework of classifiability as an optimization criterion for element selection. Element selection is a linear dimensionality reduction method that selects a subset of elements and does not require a scalar multiplication. The technique requires an optimization criterion for selecting a subset of elements, and this criterion is desired to be suitable for applications. Considering classification problem as a post processing, an optimization criteiron has problem that conventional frameworks, restorability or information-theoritical, are not suitable for applications. Therefore, we formulate the element selection problem using the loss funtions for classification performance defined by the softmax function and cross-entropy loss. We derive a new element selection algorithm based on classifiablity for the nonconvex sparse optimization problem obtained by equivalently reformulating this optimization problem. Numerical experiment results show that the element selection in the proposed method selects significant elements for classification performance.
• 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: AN10442647
• 書誌情報: 研究報告音声言語情報処理（SLP）; 巻 2024-SLP-151, 号 37, p. 1-6, 発行日 2024-02-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8663
• 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