データの重要度推定に基づくサポートベクタマシンの逐次学習

スポンサーリンク

概要

論文の詳細を見る
サポートベクタマシン(SVM)の学習は2次計画問題と等価であり、大域的に最適な識別を行なうパラメータを有限回の手続きで求めることができる。しかしながら、学習のための規準がサンプルについて加法的でなく、また全てのサンプルを記憶しサンプル数と同じ個数の変数について最適化する必要があるため、効率的な逐次学習法を設計することが難しいという問題があった。本報告では、サンプルの必要度推定に基づき学習データを更新し、不要なサンプルを保持しないことで計算量と記憶容量の増大を抑え、効率的に逐次学習を行う方法を提案する。また提案方式によって一括学習をしたときとほぼ同等の学習結果が少ない計算量と小さな記憶容量とによって実現できることを実験的に明らかにする。
1999-07-16

著者

関連論文

もっと見る

スポンサーリンク