| 講演名 | 2015-01-23 大幾何マージン最小分類誤り学習法におけるデータ分割法と未知標本耐性の関係について(質感の計測・認識・提示,災害) 白石 裕之, 渡辺 秀行, 片桐 滋, ル シュガン, 堀 智織, 大崎 美穂, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 伝統的に,高い未知標本耐性を持つパターン分類を実現するために,学習用標本と検証用標本を用いた分類器パラメータの学習が行われてきた.しかし,利用可能な標本群を学習用と検証用とに分割する基準は必ずしも明確ではなく,分割によってそれぞれの標本数が小さくなる問題もある.本稿では,高い未知標本耐性を持つ大幾何マージン最小分類誤り学習法に注目し,検証用標本を用いずに学習用標本上の幾何マージンを大きくする学習のみによって高い未知標本耐性を実現する手法の実現可能性を精査する.複数の大きさの学習用標本群と検証用標本群を用いた実験を通して,検証用標本を用いることの長所と短所を明らかにし,また大幾何マージンに着目した手法が持つ潜在的有用性を示す. |
| 抄録(英) | To develop a pattern classifier that is robust to unseen pattern samples, classifier parameters have been conventionally trained using both training and validation sample sets. However, there are no clear criteria for dividing the samples in hand into training and validation sets. In addition, such grouping decreases the number of samples for both training and validation, often lowering robustness to unseen samples. To solve this problem, we elaborate in this paper the nature of an approach that aims, without validation samples, for high robustness only with Large Geometric Margin Minimum Classification Error training over training samples. From experiments using several different sizes of training/validation sample sets, we clarify the advantages and disadvantages of the conventional approach using validation samples and show the potential utility of our proposed large-geometric-margin-based approach. |
| キーワード(和) | パターン認識 / 最小分類誤り学習法 / 幾何マージン / データ分割法 |
| キーワード(英) | Pattern recognition / Minimum classification error training / Geometric margin / Data grouping for training |
| 資料番号 | PRMU2014-101,MVE2014-63 |
| 発行日 |
| 研究会情報 | |
| 研究会 | MVE |
|---|---|
| 開催期間 | 2015/1/15(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） | 大幾何マージン最小分類誤り学習法におけるデータ分割法と未知標本耐性の関係について(質感の計測・認識・提示,災害) |
| サブタイトル（和） | |
| タイトル（英） | Relation between Data Grouping and Robustness to Unseen Data in Large Geometric Margin Minimum Classification Error Training |
| 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） | 最小分類誤り学習法 / Minimum classification error training |
| キーワード(3)（和/英） | 幾何マージン / Geometric margin |
| キーワード(4)（和/英） | データ分割法 / Data grouping for training |
| 第 1 著者 氏名（和/英） | 白石 裕之 / Hiroyuki SHIRAISHI |
| 第 1 著者 所属（和/英） | 同志社大学:情報通信研究機構 Doshisha University:NICT |
| 第 2 著者 氏名（和/英） | 渡辺 秀行 / Hideyuki WATANABE |
| 第 2 著者 所属（和/英） | / 同志社大学:情報通信研究機構 / Doshisha University:NICT |
| 第 3 著者 氏名（和/英） | 片桐 滋 / Shigeru KATAGIRI |
| 第 3 著者 所属（和/英） | / / |
| 第 4 著者 氏名（和/英） | ル シュガン / XUGANG Lu |
| 第 4 著者 所属（和/英） | 同志社大学:情報通信研究機構 Doshisha University:NICT |
| 第 5 著者 氏名（和/英） | 堀 智織 / Chiori HORI |
| 第 5 著者 所属（和/英） | |
| 第 6 著者 氏名（和/英） | 大崎 美穂 / Miho OHSAKI |
| 第 6 著者 所属（和/英） | |
| 発表年月日 | 2015-01-23 |
| 資料番号 | PRMU2014-101,MVE2014-63 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | 410 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |