| 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 | 2017-06-25 10:20 線形変換されたl0スパース制約下での学習 ○丸茂直貴・岩田具治（NTT）  IBISML2017-8 |
|
| 抄録 | （和） | 線形変換されたスパース制約下での非凸最適化問題を考える． これは，機械学習ので生じる多くの問題を含む問題クラスである． この問題は NP 困難であり，直接解くのが難しいため，$ell_1$ 緩和に基づく手法が研究されてきたが， それらの手法は推定バイアスがのってしまう． 本稿ではこれを回避するため，緩和なしに元の問題を直接解く，理論保証付きの解法を提案する． 本解析では，提案手法が大域的最適解の近くに一次収束することを示している． また数値実験によって，提案手法が既存手法より高速かつ高精度であることを確認した． |
| （英） | We consider a class of non-convex optimization problems with linearly transformed sparsity constraints, which includes a wide range of problems in machine learning. Since this problem is difficult to solve directly, $ell_1$ relaxation methods have been extensively used. However, $ell_1$ methods often suffer from large estimation bias. To avoid this problem, we propose a provable algorithm for solving the $ell_0$ problem without relaxation. Our analysis shows that the proposed method converges linearly to an approximately global optimum under mild assumptions. With our experiments, we confirm that the proposed method is faster and more accurate than existing $ell_1$ and $ell_0$ methods and that the proposed method can capture the true sparsity level more correctly. Furthermore, the results show that the proposed method works well under severe conditions such as small sample size and high dimension. |
|
| キーワード | （和） | 非凸最適化 / スパース最適化 / 機械学習 / / / / / |
| （英） | nonconvex optimization / sparse optimization / machine learning / / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 110, IBISML2017-8, pp. 193-199, 2017年6月. | |
| 資料番号 | IBISML2017-8 | |
| 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 | IBISML2017-8 |
|
| 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 | 日本語 |
| タイトル（和） | 線形変換されたl0スパース制約下での学習 |
| サブタイトル（和） | |
| タイトル（英） | Learning with linearly transformed l0 sparsity |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 非凸最適化 / nonconvex optimization |
| キーワード(2)（和/英） | スパース最適化 / sparse optimization |
| キーワード(3)（和/英） | 機械学習 / machine learning |
| 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） | 丸茂 直貴 / Naoki Marumo / マルモ ナオキ |
| 第1著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 岩田 具治 / Tomoharu Iwata / イワタ トモハル |
| 第2著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone (略称： NTT) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-06-25 10:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2017-8 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.110 |
| ページ範囲 | pp.193-199 |
| ページ数 | 7 |
| 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]