2D-02
制約付き最適化を用いた非負PNU半教師学習による過学習の抑制
○石川　周，全　眞嬉，徳山　豪（東北大）
近年の通信技術や情報サービスの発展と多様化により，膨大な量と多種にわたるデータが利用可能となった．それらを用いることで，様々な分野や目的に対して機械学習によるパターン認識の活用が期待されている．本研究では，機械学習における分類問題を取り扱う．ディープラーニングと呼ばれるような多層パーセプトロンや畳み込みニューラルネットワークなどの複雑なモデルに対して過学習を抑えられ，学習データの生成にかかるコスト削減の実現を目指す半教師あり学習の方法について取り組む．具体的なアプローチとして，先行研究であるPNU LearningにNon-Negative PU Learningを組み込むことでこれを実現する．
footer 著作権について 倫理綱領 プライバシーポリシー セキュリティ 情報処理学会