| 講演名 | 1999/7/16 データの重要度推定に基づくサポートベクタマシンの逐次学習 小倉 信彦, 渡辺 澄夫, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | サポートベクタマシン(SVM)の学習は2次計画問題と等価であり、大域的に最適な識別を行なうパラメータを有限回の手続きで求めることができる。しかしながら、学習のための規準がサンプルについて加法的でなく、また全てのサンプルを記憶しサンプル数と同じ個数の変数について最適化する必要があるため、効率的な逐次学習法を設計することが難しいという問題があった。本報告では、サンプルの必要度推定に基づき学習データを更新し、不要なサンプルを保持しないことで計算量と記憶容量の増大を抑え、効率的に逐次学習を行う方法を提案する。また提案方式によって一括学習をしたときとほぼ同等の学習結果が少ない計算量と小さな記憶容量とによって実現できることを実験的に明らかにする。 |
| 抄録(英) | Learning in Support Vector Machine is equivalent to Quadratic Programing and then the globally optimal parameter can be found with finite procedure. However, it has been difficult to realize efficient online learning because the criterion for its learning is not additive and it is required to keep whole samples and to optimize so many parameters as samples. In this paper, we propose the efficient online learning method that updates training data depending on necessity estimation of samples and dispose unnecessary samples. It brings less computational cost and smaller memory, and makes online learning efficiently. We experimentally show that almost the same results as conventional batch methods is obtained by the proposed method with low computational cost and small memory. |
| キーワード(和) | パターン認識 / サポートベクタマシン / オンライン学習 / 大規模2次計画問題 |
| キーワード(英) | Pattern Recognition / Support Vector Machine / Online Learning / Large Scale QP Problem |
| 資料番号 | PRMU99-55 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 1999/7/16(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Pattern Recognition and Media Understanding (PRMU) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | データの重要度推定に基づくサポートベクタマシンの逐次学習 |
| サブタイトル（和） | |
| タイトル（英） | Online Learning for Support Vector Machine using Necessity Estimation |
| サブタイトル（和） | |
| キーワード(1)（和/英） | パターン認識 / Pattern Recognition |
| キーワード(2)（和/英） | サポートベクタマシン / Support Vector Machine |
| キーワード(3)（和/英） | オンライン学習 / Online Learning |
| キーワード(4)（和/英） | 大規模2次計画問題 / Large Scale QP Problem |
| 第 1 著者 氏名（和/英） | 小倉 信彦 / Nobuhiko Ogura |
| 第 1 著者 所属（和/英） | 東京工業大学精密工学研究所 Precision and Intelligence Laboratory, Tokyo Institute of Technology |
| 第 2 著者 氏名（和/英） | 渡辺 澄夫 / Sumio Watanabe |
| 第 2 著者 所属（和/英） | 東京工業大学精密工学研究所 Precision and Intelligence Laboratory, Tokyo Institute of Technology |
| 発表年月日 | 1999/7/16 |
| 資料番号 | PRMU99-55 |
| 巻番号（vol） | vol.99 |
| 号番号（no） | 182 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |