16日前

順序回帰のための制約付き深層ニューラルネットワーク

{Yanzhu Liu, Chi Keong Goh, Adams Wai Kin Kong}
順序回帰のための制約付き深層ニューラルネットワーク
要約

順序回帰(Ordinal regression)は、インスタンスを順序付きのカテゴリに分類することを目的とする教師あり学習の問題である。クラス内情報とクラス間の順序関係を同時に表現する高レベル特徴を自動的に抽出することは、困難な課題である。本稿では、複数のカテゴリに対する負の対数尤度を最小化する順序回帰問題に対して、インスタンス間の順序関係を制約条件として導入した制約付き最適化定式化を提案する。数学的には、この定式化はペアワイズ正則化項を備えた非制約形と同値である。さらに、畳み込みニューラルネットワーク(CNN)フレームワークに基づく実装を提案することで、高レベル特徴の自動抽出が可能となり、従来の誤差逆伝播法(back-propagation)により最適解を学習できる。提案するペアワイズ制約により、小規模データセット上でも効果的に動作することが可能となり、同時に効率的な実装により大規模データセットへのスケーラビリティも達成している。4つの実世界ベンチマークに対する実験結果から、従来のディープラーニング手法および手作業で設計された特徴に基づく最先端手法を上回る性能を示した。

順序回帰のための制約付き深層ニューラルネットワーク | 最新論文 | HyperAI超神経