| 講演名 | 2014-01-23 クラス共通損失関数平滑度の自動設定法を伴う最小分類誤り学習法(人体・動作の認識と理解,福祉と共生,国際会議報告) 太田 健介, 渡辺 秀行, 片桐 滋, 大崎 美穂, 松田 繁樹, 堀 智織, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 最小分類誤り(MCE:Minimum Classiffication Error)学習法で用いられる平滑化分類誤り数損失の平滑性は,学習の未知標本耐性を向上させる効果を持つ.従って,その平滑度の適切な設定が望まれることは明らかであり,最近,パルツェン推定を用いるMCE学習法の定式化に着目した自動設定法が提案され,その有効性が示されるようになった.しかし,その手法は,分類すべきクラス毎に平滑度を設定するものであり,限られた学習標本に過適応(過学習)を起こす原理的な弱点を有していた.本稿は,この先行手法の弱点を解決し,平滑度を全クラス共通に自動的に設定するための手法を提案し,その有効性を示すものである.実験の結果,提案手法が,先行する自動設定法と比べて,標本数等に関する種々の実験条件において安定的に高い分類性能を達成できることが明らかとなる. |
| 抄録(英) | The smoothness of the smooth classification error count loss used in the Minimum Classification Error (MCE) training has an effect of increasing training robustness to unseen samples. Therefore, an appropriate determination of the smoothness is obviously needed. Recently, to meet this necessity, a method using the Parzen-estimation-based MCE formalization was proposed for automatically setting the smoothness, and its effectiveness was demonstrated. However, this method sets the smoothness in the class-by-class mode, and it has a potential risk of causing over-fitting to training samples. In this paper, we propose a new method for automatically finding an appropriate value of the smoothness that is set to all of the classes, and demonstrate its usefulness. From evaluation experiments, we show that the proposed method works more stably and more effectively under various classifier conditions than its counterpart, preceding automatic determination method. |
| キーワード(和) | 最小分類誤り学習 / パルツェン推定 |
| キーワード(英) | Minimum classification error training / Parzen estimation |
| 資料番号 | PRMU2013-91,MVE2013-32 |
| 発行日 |
| 研究会情報 | |
| 研究会 | MVE |
|---|---|
| 開催期間 | 2014/1/16(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 | Media Experience and Virtual Environment (MVE) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | クラス共通損失関数平滑度の自動設定法を伴う最小分類誤り学習法(人体・動作の認識と理解,福祉と共生,国際会議報告) |
| サブタイトル（和） | |
| タイトル（英） | Minimum Classification Error Training with Automatic Determination of Loss Smoothness Common to All Classes |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 最小分類誤り学習 / Minimum classification error training |
| キーワード(2)（和/英） | パルツェン推定 / Parzen estimation |
| 第 1 著者 氏名（和/英） | 太田 健介 / Kensuke OTA |
| 第 1 著者 所属（和/英） | 同志社大学 Doshisha University |
| 第 2 著者 氏名（和/英） | 渡辺 秀行 / Hideyuki WATANABE |
| 第 2 著者 所属（和/英） | 情報通信研究機構 NICT |
| 第 3 著者 氏名（和/英） | 片桐 滋 / Shigeru KATAGIRI |
| 第 3 著者 所属（和/英） | 同志社大学 Doshisha University |
| 第 4 著者 氏名（和/英） | 大崎 美穂 / Miho OHSAKI |
| 第 4 著者 所属（和/英） | 同志社大学 Doshisha University |
| 第 5 著者 氏名（和/英） | 松田 繁樹 / Shigeki MATSUDA |
| 第 5 著者 所属（和/英） | 情報通信研究機構 NICT |
| 第 6 著者 氏名（和/英） | 堀 智織 / Chiori HORI |
| 第 6 著者 所属（和/英） | 情報通信研究機構 NICT |
| 発表年月日 | 2014-01-23 |
| 資料番号 | PRMU2013-91,MVE2013-32 |
| 巻番号（vol） | vol.113 |
| 号番号（no） | 403 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |