| 講演名 | 2014-01-23 カーネル写像を用いた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) 田中 秀明, 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) | HMM型識別関数やプロトタイプ型識別関数を用いた様々な分類器に最小分類誤り(MCE:Minimum Classification Error)学習法が適用され,その有効性が示されてきた.しかし,それらにおけるクラス境界は標本空間においてのみ最適化がなされ,まだ改良の余地が残されていた.本稿では,カーネル写像を伴う線形識別関数型分類器に,補助関数による最適化を行うMCE法を適用したカーネル最小分類誤り学習法を提案し,その有効性の検証を行う.特に,最適化に用いる補助関数に単調増加関数のクロスエントロピー型損失を用いることで,学習全体の損失を分類精度の向上に直接的な平滑化分類誤り数損失として実現する実装法を提案する. |
| 抄録(英) | The Minimum Classification Error (MCE) training has been successfully applied to various types of classifiers. However, its training power was casted only to the optimization of class boundaries in an original sample space. There is the possibility of applying the MCE training to some other features or feature space, which may lead to more accurate classification. Motivated by this, we introduce in this paper a new MCE training method, called Kernel Minimum Classification Error training. This new method is formalized by applying an MCE training associated with auxiliary-function-based optimization to a classifier that has linear discriminant functions and kernel feature projection. The formalization of the method is characterized by the use of cross-entropy loss as an auxiliary function. We also show basic performances of the method through several evaluation experiments. |
| キーワード(和) | 最小分類誤り学習 / カーネル法 / 補助関数法 |
| キーワード(英) | Minimum classification error training / Kernel method / Auxiliary function method |
| 資料番号 | PRMU2013-92,MVE2013-33 |
| 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） | カーネル写像を用いた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 Control of Loss Smoothness |
| 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） | カーネル法 / Kernel method |
| キーワード(3)（和/英） | 補助関数法 / Auxiliary function method |
| 第 1 著者 氏名（和/英） | 田中 秀明 / Hideaki TANAKA |
| 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 | PRMU2013-92,MVE2013-33 |
| 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 | |