@techreport{oai:ipsj.ixsq.nii.ac.jp:00232507,
 author = {河村, 泰雅 and 植野, 夏樹 and 小野, 順貴 and Taiga, Kawamura and Natsuki, Ueno and Nobutaka, Ono},
 issue = {37},
 month = {Feb},
 note = {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．, 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.},
 title = {非凸スパース最適化を用いた分類性基準の要素選択},
 year = {2024}
}