圧縮ELMのアンサンブル化による頑健な高次元非線形写像の機械学習

カテゴリ: 部門大会

論文No: TC12-1

グループ名: 【C】平成27年電気学会電子・情報・システム部門大会講演論文集

発行日: 2015/08/27

タイトル(英語): Robust Machine Learning of High-dimensional Nonlinear Mapping by Ensemblization of Compressive ELM

著者名: 宮田 大輔(長崎大学),酒井 智弥(長崎大学)

著者名(英語): Daisuke Miyata(Nagasaki University),Tomoya Sakai(Nagasaki University)

キーワード: アンサンブル学習|ELM|逆問題逆問題|ensemble learning|ELM|inverse problem

要約(日本語): 高次元データが他の高次元データと対応する関係があるとき，その関係を表す写像を求めることを目的とする．機械学習によって入力から出力への写像を求める場合，訓練データが高次元であるほど計算量が大きい．万能近似器であるニューラルネットワークで学習する場合，入出力の次元数が高いほどニューラルネットワークの重み行列の未知数が多くなるためである．圧縮センシングを利用した高次元非線形写像の効率的な学習アルゴリズムである圧縮ELMを設計し，高次元の訓練データからの学習を可能にした．一方，訓練データの部分集合から学習した写像を統合するアンサンブル学習と呼ばれる手法によって，汎化性が向上することが知られている．本研究では圧縮ELMにアンサンブル学習を導入することで，圧縮ELMの汎化性の向上を図る．この提案手法について，低次元出力からの復元性，ノイズに対する頑健性，汎化性を実験的に評価する．

PDFファイルサイズ: 515 Kバイト