効率的能動学習のための能動サポートカーネルマシン(人工知能,認知科学)

概要

論文の詳細を見る
Support Vector Machines (SVM)の成功を背景に,能動学習においてSVMを使用する能動SVM学習が提案され,能動線形SVM学習の文書分類への適用などが行われている.しかし,一般の問題に能動SVMを適用することは困難である.これは,使用するカーネルにより能動SVMの性能は大きく異なるが,対象問題に適したカーネルを能動学習前に選択することが困難なためである.本論文では,このカーネル事前選択の困難を解決するために,SVMに代わりサポートカーネルマシン(SKM)を用いる能動SKM学習を提案する.更に,能動学習に必要な高い応答性をもつ2段階能動SKM学習を提案し,実験によりその有効性を示す.実験では,半径が違う15個のRBFカーネルを用いた能動SKMで,特性の異なる13個のデータベースのうち1個を除き,各データベースに最適なカーネルによる能動SVMと同等の正解率の能動学習が可能であった.また,単純な能動SKM学習が10秒近い応答時間を要する場合でも,2段階能動SKM学習は,正解率は落とさずに,0.2秒以下で応答することを確認した.
社団法人電子情報通信学会の論文
2008-10-01