7K-06
対数線形化された無限混合正規分布に基づく未知クラス推定確率ニューラルネットの構造最適化
○南部穣汰(横浜国大),迎田隆幸(神奈川県立産業技術総合研究所),柏木僚太,島 圭介(横浜国大)
我々の研究グループでは,学習時に想定しない未知事象を含めた多クラス分類を実現できるオープンセット認識(OSR)手法(NACGMN)を提案しており,複数の確率密度関数を内包する特殊な構造により,極少量の学習データからも高精度な分類が可能となる.一方,NACGMNにはハイパーパラメータの経験的設定が必要で,教師なし学習問題に適用できないという課題がある.本研究ではNACGMNの事前学習に無限混合正規分布(IGMM)を導入し,ハイパーパラメータの学習的獲得,教師ラベルの自動生成によって上記の課題を解消する.また,IGMMに含まれる冗長な確率演算の対数線形化による,高速化も試みる.実験では筋電位信号等の分類タスクに提案法を応用し,有効性を検証した.