검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Threshold Auto-Tuning Metric Learning 임계값 자동 조정 측정항목 학습

Rachelle RIVERO, Yuya ONUMA, Tsuyoshi KATO

  • 조회수

    0

  • 이것을 인용

요약 :

거리 측정법의 차별적 학습이 패턴 인식 성능을 향상시키는 것으로 반복적으로 보고되었습니다. ITML(Information Theoretic Metric Learning) 기반 방법은 Bregman 투영 프레임워크를 거리 측정 최적화에 적용할 수 있다는 장점이 있지만, ITML 기반 방법의 약점은 유사성/상이성 제약 조건에 대한 거리 임계값을 결정해야 한다는 점입니다. 수동으로 일반화 성능이 민감합니다. 본 논문에서는 거리 임계값을 함께 최적화하는 새로운 메트릭 학습 알고리즘 공식을 제시합니다. 최적화는 여전히 Bregman 투영 프레임워크에 있으므로 Dykstra 알고리즘을 최적화에 적용할 수 있습니다. 각 반복에서 솔루션을 절반 공간에 투영하려면 비선형 방정식을 풀어야 합니다. 우리는 절반 공간에 투영하기 위한 효율적인 기술을 개발했습니다. 우리는 제안된 메트릭 학습 알고리즘에 대해 거리 임계값이 자동으로 조정되지만 제안하는 알고리즘의 패턴 인식 정확도는 기존 메트릭 학습 방법과 비슷하거나 비슷하다는 것을 경험적으로 보여줍니다.

발행
IEICE TRANSACTIONS on Information Vol.E102-D No.6 pp.1163-1170
발행일
2019/06/01
공개일
2019/03/04
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2018EDP7145
원고의 종류
PAPER
범주
패턴 인식

작성자

Rachelle RIVERO
  Gunma University, Graduate School of Science and Technology,University of the Philippines
Yuya ONUMA
  Gunma University, Graduate School of Science and Technology
Tsuyoshi KATO
  Gunma University, Graduate School of Science and Technology,Gunma University,Waseda University

키워드