| 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 | 2007-12-22 09:50 交差検証誤差最小化によるSV回帰ハイパーパラメータ最適化の高速化 ○烏山昌幸・中野良平（名工大）  NC2007-73 |
|
| 抄録 | （和） | サポートベクトル回帰(SVR)の汎化性能は，ハイパーパラメータである無反応領域の幅$\varepsilon$，ペナルティ係数$C$，カーネル関数のパラメータ$\sigma$などに大きく依存する．我々は交差検証誤差最小化の観点からSVRのハイパーパラメータを最適化する手法MCV-SVR法を提案してきた．しかし，MCV-SVRは交差検証を利用するため計算コストが大きくなる．そこで，本論文ではSVRの交差検証高速化手法であるAOSVRを適用することで，MCV-SVRの高速化をはかった．実験では，AOSVRによってMCV-SVRの大幅な高速化が可能であることを示す，また既存の他手法との比較実験によりMCV-SVR法の有効性を示す． |
| （英） | The performance of Support Vector Regression (SVR) deeply depends on its hyperparameters such as an insensitive zone thickness, a penalty factor, and kernel parameters. A method called MCV-SVR was once proposed, which optimizes SVR hyperparameters so that cross-validation error is minimized. However, the computational cost of CV is usually high. In this paper we apply Accurate Online Support Vector Regression (AOSVR) to the MCV-SVR cross-validation procedure. The AOSVR enables an efficient update of a trained SVR function. We show the AOSVR dramatically accelerates the MCV-SVR. Moreover, our experiments showed our faster MCV-SVR has better generalization than other existing methods. |
|
| キーワード | （和） | サポートベクトルマシン / サポートベクトル回帰 / 交差検証誤差最小化 / / / / / |
| （英） | support vector machines / support vector regression / mimum cross-validation / / / / / | |
| 文献情報 | 信学技報, vol. 107, no. 410, NC2007-73, pp. 13-18, 2007年12月. | |
| 資料番号 | NC2007-73 | |
| 発行日 | 2007-12-15 (NC) | |
| 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 | NC2007-73 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2007-12-22 - 2007-12-22 |
| 開催地（和） | 名古屋大学 |
| 開催地（英） | |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2007-12-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | 交差検証誤差最小化によるSV回帰ハイパーパラメータ最適化の高速化 |
| サブタイトル（和） | |
| タイトル（英） | Optimizing SVR Hyperparameters via Fast Cross-Validation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | サポートベクトルマシン / support vector machines |
| キーワード(2)（和/英） | サポートベクトル回帰 / support vector regression |
| キーワード(3)（和/英） | 交差検証誤差最小化 / mimum cross-validation |
| 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） | 烏山 昌幸 / Masayuki Karasuyama / カラスヤマ マサユキ |
| 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： Nagoya Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 中野 良平 / Ryohei Nakano / ナカノ リョウヘイ |
| 第2著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： Nagoya Inst. of Tech.) |
| 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 | 2007-12-22 09:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2007-73 |
| 巻番号（vol） | vol.107 |
| 号番号（no） | no.410 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2007-12-15 (NC) |
[研究会発表申込システムのトップページに戻る]