| 講演名 | 1999/3/18 Entropy Number Boundに基づく最適超平面識別器 津田 宏治, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 学習においては, 学習機械の容量(複雑さ)を訓練サンプル数に応じて制御することが重要である。最適超平面識別器とは, Vapnikらにより提案された容量調節機能を持つ線形識別器である。これまで, 容量尺度としてはVC次元が用いられて来たが, 本稿では, Williamsonらによって新しく提案されたEntropy number boundという容量尺度を用いて最適超平面識別器を構築する。オンライン文字認識実験の結果, 提案手法は, VC次元による従来法よりも優れた結果を得ることができた。 |
| 抄録(英) | The entropy number bound is a new capacity measure of linear classifiers proposed by Williamson, Smola and Schoelkopf. We implemented an optimal hyperplane classifier which minimizes this capacity measure in learning. We compared this method with the conventional optimal hyperplane classifier based on VC dimension in online character recognition, and obtained a superior result. |
| キーワード(和) | パターン認識 / 最適超平面識別器 / エントロピー数 / 容量尺度 / サポートベクターマシーン |
| キーワード(英) | Pattern recognition / Optimal hyperplane classifier / Entropy number / Capacity measure / SVM |
| 資料番号 | NC98-136 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 1999/3/18(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 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Entropy Number Boundに基づく最適超平面識別器 |
| サブタイトル（和） | |
| タイトル（英） | Optimal Hyperplane Classifier based on Entropy Number Bound |
| 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） | 最適超平面識別器 / Optimal hyperplane classifier |
| キーワード(3)（和/英） | エントロピー数 / Entropy number |
| キーワード(4)（和/英） | 容量尺度 / Capacity measure |
| キーワード(5)（和/英） | サポートベクターマシーン / SVM |
| 第 1 著者 氏名（和/英） | 津田 宏治 / Koji Tsuda |
| 第 1 著者 所属（和/英） | 電子技術総合研究所知能情報部 Machine Understanding Division, Electrotechnical Laboratory |
| 発表年月日 | 1999/3/18 |
| 資料番号 | NC98-136 |
| 巻番号（vol） | vol.98 |
| 号番号（no） | 673 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |