| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2015-01-23 10:15 大幾何マージン最小分類誤り学習法におけるデータ分割法と未知標本耐性の関係について ○白石裕之（同志社大）・渡辺秀行（NICT）・片桐 滋（同志社大）・ル シュガン・堀 智織（NICT）・大崎美穂（同志社大）  PRMU2014-101 MVE2014-63 |
|
| 抄録 | （和） | 伝統的に，高い未知標本耐性を持つパターン分類を実現するために，学習用標本と検証用標本を用いた分類器パラメータの学習が行われてきた．しかし，利用可能な標本群を学習用と検証用とに分割する基準は必ずしも明確ではなく，分割によってそれぞれの標本数が小さくなる問題もある．本稿では，高い未知標本耐性を持つ大幾何マージン最小分類誤り学習法に注目し，検証用標本を用いずに学習用標本上の幾何マージンを大きくする学習のみによって高い未知標本耐性を実現する手法の実現可能性を精査する．複数の大きさの学習用標本群と検証用標本群を用いた実験を通して，検証用標本を用いることの長所と短所を明らかにし，また大幾何マージンに着目した手法が持つ潜在的有用性を示す． |
| （英） | To develop a pattern classifier that is robust to unseen pattern samples, classifier parameters have been conventionally trained using both training and validation sample sets. However, there are no clear criteria for dividing the samples in hand into training and validation sets. In addition, such grouping decreases the number of samples for both training and validation, often lowering robustness to unseen samples. To solve this problem, we elaborate in this paper the nature of an approach that aims, without validation samples, for high robustness only with Large Geometric Margin Minimum Classification Error training over training samples. From experiments using several different sizes of training/validation sample sets, we clarify the advantages and disadvantages of the conventional approach using validation samples and show the potential utility of our proposed large-geometric-margin-based approach. | |
| キーワード | （和） | パターン認識 / 最小分類誤り学習法 / 幾何マージン / データ分割法 / / / / |
| （英） | Pattern recognition / Minimum classification error training / Geometric margin / Data grouping for training / / / / | |
| 文献情報 | 信学技報, vol. 114, no. 409, PRMU2014-101, pp. 177-182, 2015年1月. | |
| 資料番号 | PRMU2014-101 | |
| 発行日 | 2015-01-15 (PRMU, MVE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2014-101 MVE2014-63 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM MVE |
| 開催期間 | 2015-01-22 - 2015-01-23 |
| 開催地（和） | 奈良先端科学技術大学院大学 |
| 開催地（英） | |
| テーマ（和） | 質感の計測・認識・提示，災害 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2015-01-PRMU-CVIM-MVE |
| 本文の言語 | 日本語 |
| タイトル（和） | 大幾何マージン最小分類誤り学習法におけるデータ分割法と未知標本耐性の関係について |
| サブタイトル（和） | |
| タイトル（英） | Relation between Data Grouping and Robustness to Unseen Data in Large Geometric Margin Minimum Classification Error Training |
| サブタイトル（英） | |
| キーワード(1)（和/英） | パターン認識 / Pattern recognition |
| キーワード(2)（和/英） | 最小分類誤り学習法 / Minimum classification error training |
| キーワード(3)（和/英） | 幾何マージン / Geometric margin |
| キーワード(4)（和/英） | データ分割法 / Data grouping for training |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 白石 裕之 / Hiroyuki Shiraishi / シライシ ヒロユキ |
| 第1著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ) |
| 第2著者 氏名（和/英/ヨミ） | 渡辺 秀行 / Hideyuki Watanabe / ワタナベ ヒデユキ |
| 第2著者 所属（和/英） | 独立行政法人情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (略称： NICT) |
| 第3著者 氏名（和/英/ヨミ） | 片桐 滋 / Shigeru Katagiri / カタギリ シゲル |
| 第3著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ) |
| 第4著者 氏名（和/英/ヨミ） | ル シュガン / Xugang Lu / ル シュガン |
| 第4著者 所属（和/英） | 独立行政法人情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (略称： NICT) |
| 第5著者 氏名（和/英/ヨミ） | 堀 智織 / Chiori Hori / ホリ チオリ |
| 第5著者 所属（和/英） | 独立行政法人情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (略称： NICT) |
| 第6著者 氏名（和/英/ヨミ） | 大崎 美穂 / Miho Ohsaki / オオサキ ミホ |
| 第6著者 所属（和/英） | 同志社大学 (略称： 同志社大) Doshisha University (略称： Doshisha Univ) |
| 講演者 | 第1著者 |
| 発表日時 | 2015-01-23 10:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2014-101, MVE2014-63 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.409(PRMU), no.410(MVE) |
| ページ範囲 | pp.177-182 |
| ページ数 | 6 |
| 発行日 | 2015-01-15 (PRMU, MVE) |
[研究会発表申込システムのトップページに戻る]