お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
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 2021-03-02 10:00
頑健な損失関数を用いた雑音を含む補ラベルからの学習
石黒寛樹東大)・石田 隆東大/理研)・杉山 将理研/東大IBISML2020-34
抄録 (和) 機械学習を成功させるためには,大規模なラベル付きデータセットが必要である.しかしながら,ラベル付きデータの収集は実際には非常にコストがかかるため,ラベル付け誤差が発生しやすい.先行研究では,標本が属していないクラスを一つ指定する補ラベルを用いた学習法が提案された.補ラベルは通常のラベルよりも容易に収集できるが,補ラベルの収集においてもラベル付け誤差は発生する.従って,ラベル雑音の影響を軽減することは,補ラベル学習の実用化において重要である.本論文では,学習アルゴリズムが補ラベルの雑音による影響を受けないために損失関数が満たすべき条件を導出する.この条件を満たす損失関数を用いることによって,分類性能が大幅に向上することをベンチマーク実験により示す. 
(英) It has been demonstrated that large-scale labeled datasets facilitate the success of machine learning. However, collecting labeled data is often very costly and error-prone in practice. To cope with this problem, previous studies have considered the use of a complementary label, which specifies a class that an instance does not belong to and can be collected more easily than ordinary labels. However, complementary labels could also be error-prone and thus mitigating the influence of label noise is an important challenge to make complementary-label learning more useful in practice. In this paper, we derive conditions for the loss function such that the learning algorithm is not affected by noise in complementary labels. Experiments on benchmark datasets with noisy complementary labels demonstrate that the loss functions that satisfy our conditions significantly improve the classification performance.
キーワード (和) 補ラベル / ラベル雑音 / 頑健な損失関数 / 損失修正 / / / /  
(英) complementary label / label noise / robust loss function / loss correction / / / /  
文献情報 信学技報, vol. 120, no. 395, IBISML2020-34, pp. 1-8, 2021年3月.
資料番号 IBISML2020-34 
発行日 2021-02-23 (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 IBISML2020-34

研究会情報
研究会 IBISML  
開催期間 2021-03-02 - 2021-03-04 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 機械学習に関するオーガナイズドセッションおよび一般 
テーマ(英) Organized and general sessions on machine learning 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2021-03-IBISML 
本文の言語 英語(日本語タイトルあり) 
タイトル(和) 頑健な損失関数を用いた雑音を含む補ラベルからの学習 
サブタイトル(和)  
タイトル(英) Learning from Noisy Complementary Labels with Robust Loss Functions 
サブタイトル(英)  
キーワード(1)(和/英) 補ラベル / complementary label  
キーワード(2)(和/英) ラベル雑音 / label noise  
キーワード(3)(和/英) 頑健な損失関数 / robust loss function  
キーワード(4)(和/英) 損失修正 / loss correction  
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) 石黒 寛樹 / Hiroki Ishiguro / イシグロ ヒロキ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo)
第2著者 氏名(和/英/ヨミ) 石田 隆 / Takashi Ishida / イシダ タカシ
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: UTokyo/RIKEN)
第3著者 氏名(和/英/ヨミ) 杉山 将 / Masashi Sugiyama / スギヤマ マサシ
第3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/UTokyo)
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2021-03-02 10:00:00 
発表時間 25 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2020-34 
巻番号(vol) IEICE-120 
号番号(no) no.395 
ページ範囲 pp.1-8 
ページ数 IEICE-8 
発行日 IEICE-IBISML-2021-02-23 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会