| 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 | 2017-06-24 10:20 Risk Minimization Framework for Multiple Instance Learning from Positive and Unlabeled Bags ○Han Bao（Univ. of Tokyo）・Tomoya Sakai・Issei Sato（Univ. of Tokyo/RIKEN）・Masashi Sugiyama（RIKEN/Univ. of Tokyo）  IBISML2017-3 |
|
| 抄録 | （和） | マルチインスタンス学習（MIL）は教師付き学習の一種で，バッグと呼ばれるデータがインスタンスと呼ばれる子要素からなっており，バッグのラベルのみが判明しているような問題設定である． MILは物体検出や薬物の活性予測，医療診断等の幅広い分野に応用可能である． 多くのMILの既存研究では，訓練データに含まれるバッグはすべてラベル付けがなされていることを仮定している． しかし，実際にはラベル無しデータは入手が容易なのに対して，十分な数のラベル付きデータを入手するのが難しいケースが多い． この問題は，正のデータ（positive）とラベル無しデータ（unlabeled）から学習を行うPU学習という枠組みによって解決できる． 本研究では，正のバッグとラベル無しバッグのみが与えられている状況下でのMILを解くようなPU学習（PU-MIL）の凸最適化アルゴリズムを提案する． また，PU-MILの既存手法に比べて高速に最適化でき，良い性能が得られることを実験的に示す． |
| （英） | Multiple instance learning (MIL) is a variation of traditional supervised learning problems where data (referred to as bags) are composed of sub-elements (referred to as instances) and only bag labels are available. MIL has a variety of applications such as content-based image retrieval, text categorization and medical diagnosis. Most of the previous work for MIL assume that the training bags are fully labeled. However, it is often difficult to obtain an enough number of labeled bags in practical situations, while many unlabeled bags are available. A learning framework called PU learning (positive and unlabeled learning) can address this problem. In this paper, we propose a convex PU learning method to solve an MIL problem. We experimentally show that the proposed method achieves better performance with significantly lower computational costs than an existing method for PU-MIL. |
|
| キーワード | （和） | マルチインスタンス学習 / PU学習 / / / / / / |
| （英） | Multiple Instance Learning / PU learning / / / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 110, IBISML2017-3, pp. 55-62, 2017年6月. | |
| 資料番号 | IBISML2017-3 | |
| 発行日 | 2017-06-17 (IBISML) | |
| 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 | IBISML2017-3 |
|
| 研究会情報 | |
| 研究会 | NC IPSJ-BIO IBISML IPSJ-MPS |
| 開催期間 | 2017-06-23 - 2017-06-25 |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| テーマ（和） | 機械学習によるバイオデータマインニング、一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining, and General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-06-NC-BIO-IBISML-MPS |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Risk Minimization Framework for Multiple Instance Learning from Positive and Unlabeled Bags |
| サブタイトル（英） | |
| キーワード(1)（和/英） | マルチインスタンス学習 / Multiple Instance Learning |
| キーワード(2)（和/英） | PU学習 / PU learning |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| 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） | 包 含 / Han Bao / ツツミ フクム |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 坂井 智哉 / Tomoya Sakai / サカイ トモヤ |
| 第2著者 所属（和/英） | 東京大学/理化学研究所 (略称： 東大/理研) The University of Tokyo/RIKEN (略称： Univ. of Tokyo/RIKEN) |
| 第3著者 氏名（和/英/ヨミ） | 佐藤 一誠 / Issei Sato / サトウ イッセイ |
| 第3著者 所属（和/英） | 東京大学/理化学研究所 (略称： 東大/理研) The University of Tokyo/RIKEN (略称： Univ. of Tokyo/RIKEN) |
| 第4著者 氏名（和/英/ヨミ） | 杉山 将 / Masashi Sugiyama / スギヤマ マサシ |
| 第4著者 所属（和/英） | 理化学研究所/東京大学 (略称： 理研/東大) RIKEN/The University of Tokyo (略称： RIKEN/Univ. of Tokyo) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-06-24 10:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2017-3 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.110 |
| ページ範囲 | pp.55-62 |
| ページ数 | 8 |
| 発行日 | 2017-06-17 (IBISML) |
[研究会発表申込システムのトップページに戻る]