| Item type |
SIG Technical Reports(1) |
| 公開日 |
2024-11-22 |
| タイトル |
|
|
タイトル |
グループ間性能均衡化:Boostingに基づくアルゴリズムと理論保証 |
| 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 |
|
|
|
九州大学大学院システム情報科学府 |
| 著者所属 |
|
|
|
九州大学大学院システム情報科学府 |
| 著者所属 |
|
|
|
九州大学大学院システム情報科学府 |
| 著者所属 |
|
|
|
九州大学大学院システム情報科学府/理化学研究所 |
| 著者名 |
斉藤, 優也
松尾, 信之介
内田, 誠一
末廣, 大貴
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
クラス分類学習では,特定のグループの予測性能が悪化してしまう問題がある.特に,性別や国籍などグループ間で予測性能に不均衡が起こることは実用上で重大な問題となる.本稿では,最も誤差が大きいグループの誤差(最悪グループ誤差)を抑えることで,グループ間の予測性能の均衡化に取り組む.過学習を考慮した最悪グループ誤差抑制の問題定式化および,Boosting の枠組みを用いた学習アルゴリズムを提案する.また,最悪グループ訓練誤差および汎化誤差に関する理論保証を示す.人工データと実画像データを用いた実験を行い,提案法の有効性を検証する. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11131797 |
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア(CVIM)
巻 2024-CVIM-239,
号 38,
p. 1-5,
発行日 2024-11-22
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8701 |
| 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 |