7M-02
Cost Sensitive 学習に対する重み付きバッチ正規化と重み付き入力正規化
Cost Sensitve (CS) 学習とはデータ点毎に異なる重み付けをもった損失関数を最適化する学習であり、
不均衡データ環境での学習や、共変量シフト学習などに応用できる枠組みである。
DNN 上での CS 学習において、通常のバッチ正規化を改良した重み付きバッチ正規化が有効であることが報告されている。
重み付きバッチ正規化はデータ点の重みを考慮したバッチ正規化である。
本研究では、重み付きバッチ正規化に加え、更に、入力データ前処理においてもデータ点の重みを考慮する正規化法を提案する。
提案の入力データ前正規化法は、CS 学習の性能を向上させることが確認されている。
不均衡データ環境での学習や、共変量シフト学習などに応用できる枠組みである。
DNN 上での CS 学習において、通常のバッチ正規化を改良した重み付きバッチ正規化が有効であることが報告されている。
重み付きバッチ正規化はデータ点の重みを考慮したバッチ正規化である。
本研究では、重み付きバッチ正規化に加え、更に、入力データ前処理においてもデータ点の重みを考慮する正規化法を提案する。
提案の入力データ前正規化法は、CS 学習の性能を向上させることが確認されている。