| 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 | 2017-11-10 13:00 マージン最大化距離学習におけるセーフスクリーニング ○吉田知貴（名工大）・竹内一郎（名工大/物質・材料研究機構/理研）・烏山昌幸（名工大/物質・材料研究機構/JST）  IBISML2017-64 |
|
| 抄録 | （和） | 分類問題において，最適な距離尺度をデータから推定する枠組みとして距離学習が知られている．本稿では特に，マージン最大化原理に基いてマハラノビス距離を学習するマージン最大化距離学習（Large Margin Metric Learning）に着目する．この手法では，非常に多いサンプルの3つ組（triplet）を考えなければならず，学習に時間がかかる．しかし，学習の前や途中に最適解の存在範囲（バウンド）を考えることで，実際には学習に不要なtripletを排除すること（スクリーニング）ができ，学習時間を減らすことができる．我々は，スクリーニングに利用可能な複数のバウンドを導出し，計算機実験によりその効果を比較・検討する． |
| （英） | Large margin metric learning learns the optimal Mahalanobis distance for classification problem based on the margin maximization principle. The loss function in this method is defined for triples of instances, called triplet. However, the number of triplets can be huge even for small datasets and it causes large computational cost for the optimization. In this paper, we propose safe triplet screening by which unnecessary triplets can be safely eliminated before or during learning without loosing the optimality. We analyze several types of screening rules derived by considering a region (bound) containing the optimal solution, and evaluate effectiveness of the proposed method by experiments on several benchmark datasets. | |
| キーワード | （和） | マハラノビス距離 / セーフスクリーニング / 距離学習 / / / / / |
| （英） | Mahalanobis distance / Safe Screening / Metric Learning / / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 293, IBISML2017-64, pp. 219-226, 2017年11月. | |
| 資料番号 | IBISML2017-64 | |
| 発行日 | 2017-11-02 (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 | IBISML2017-64 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2017-11-08 - 2017-11-10 |
| 開催地（和） | 東京大学 |
| 開催地（英） | Univ. of Tokyo |
| テーマ（和） | 情報論的学習理論ワークショップ (IBIS2017) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2017) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | マージン最大化距離学習におけるセーフスクリーニング |
| サブタイトル（和） | |
| タイトル（英） | Safe Screening for Large Margin Metric Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | マハラノビス距離 / Mahalanobis distance |
| キーワード(2)（和/英） | セーフスクリーニング / Safe Screening |
| キーワード(3)（和/英） | 距離学習 / Metric 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） | 吉田 知貴 / Tomoki Yoshida / ヨシダ トモキ |
| 第1著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NITech) |
| 第2著者 氏名（和/英/ヨミ） | 竹内 一郎 / Ichiro Takeuchi / タケウチ イチロウ |
| 第2著者 所属（和/英） | 名古屋工業大学/物質・材料研究機構/理化学研究所 (略称： 名工大/物質・材料研究機構/理研) Nagoya Institute of Technology/National Institute for Material Science/Institute of Physical and Chemical Research (略称： NITech/NIMS/RIKEN) |
| 第3著者 氏名（和/英/ヨミ） | 烏山 昌幸 / Masayuki Karasuyama / カラスヤマ マサユキ |
| 第3著者 所属（和/英） | 名古屋工業大学/物質・材料研究機構/科学技術振興機構 (略称： 名工大/物質・材料研究機構/JST) Nagoya Institute of Technology/National Institute for Material Science/Japan Science and Technology Agency (略称： NITech/NIMS/JST) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-11-10 13:00:00 |
| 発表時間 | 150分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2017-64 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.293 |
| ページ範囲 | pp.219-226 |
| ページ数 | 8 |
| 発行日 | 2017-11-02 (IBISML) |
[研究会発表申込システムのトップページに戻る]