| 講演名 | 2014/6/18 カテゴリ標本特徴空間を用いた高速スパース最小自乗サポートベクトルマシン(機械学習によるバイオデータマインニング,一般) 北村 拓也, 関根 崇正, 塚越 勇規, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 本論文では,カテゴリ標本特徴空間を用いた高速スパース最小自乗サポートベクトルマシン(FSLS-SVM)を提案する.FSLS-SVMでは,カテゴリごとの教師ベクトルから一次独立な教師ベクトルを選択し,カテゴリごとにそれらの教師ベクトルを基底ベクトルとした標本特徴空間を生成する.これらの標本特徴空間上に全教師ベクトルを写像し,それぞれ識別基準を決定する.このとき,これらの識別基準は,各カテゴリの一次独立な教師ベクトルのみを用いて決定できるため,通常のLS-SVMとは異なり,解にスパース性を付与できる.また,カテゴリごとに独立して一次独立な教師ベクトルの選択を行えるため,選択における計算コストは小さく,全データから選択する従来手法に比べて高速な学習が可能となる.ベンチマークデータセットを用いた計算機実験により提案手法の有効性を示す. |
| 抄録(英) | |
| キーワード(和) | |
| キーワード(英) | |
| 資料番号 | Vol.2014-MPS-98 No.11,Vol.2014-BIO-38 No.11 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2014/6/18(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） | カテゴリ標本特徴空間を用いた高速スパース最小自乗サポートベクトルマシン(機械学習によるバイオデータマインニング,一般) |
| サブタイトル（和） | |
| タイトル（英） | |
| サブタイトル（和） | |
| キーワード(1)（和/英） | |
| 第 1 著者 氏名（和/英） | 北村 拓也 |
| 第 1 著者 所属（和/英） | (現)富山高等専門学校 (Present office)Toyama National College of Technology |
| 第 2 著者 氏名（和/英） | 関根 崇正 |
| 第 2 著者 所属（和/英） | 富山高等専門学校 / |
| 第 3 著者 氏名（和/英） | 塚越 勇規 |
| 第 3 著者 所属（和/英） | 富山高等専門学校 |
| 発表年月日 | 2014/6/18 |
| 資料番号 | Vol.2014-MPS-98 No.11,Vol.2014-BIO-38 No.11 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | 104 |
| ページ範囲 | pp.- |
| ページ数 | 7 |
| 発行日 | |