ランダマイズドアルゴリズムによる局所線形SVMの並列化

スポンサーリンク

概要

論文の詳細を見る
線形 SVM は高速な学習が可能であるが,線形分離不可能なデータには分類精度が低い.一方,カーネル SVM は高い分類精度が得られるが,特徴量の次元が増大することにより学習時間が膨大になる.これらの欠点を解決した局所線形 SVM は,計算量を抑えたまま,既存のカーネル SVM に劣らない分類精度を得られる手法である.本稿では,局所線形 SVM を改良し,さらに学習を高速化させる並列化手法を提案する.並列化手法として,データの分割学習を採用しているが,ノード間のパラメータに差が発生することによる分類精度の低下が問題となる.また,パラメータ差を解消するためにノード間の全通信を行うと,通信コストが膨大になるため,通信回数を少数に絞った並列化を導入する必要がある.本研究では, Cut-And-Stitch のアルゴリズムとランダマイズドアルゴリズムを組み合わせ,通常の学習と殆ど変わらない学習結果が高確率で得られることを実験により示す.
2012-11-29

著者

上原邦昭
神戸大学大学院工学研究科

関連論文

もっと見る

スポンサーリンク