統計数学セミナー
Seminar on Probability and Statistics |
Home : Archive [ 2003 to 04 ] [ 2004 to 05 ] [ 2005 to 06 ] [ 2006 to 07 ] [ 2007 to 08 ] [ 2008 to 09 ] [ 2009 to 10 ] [ 2010 to 11 ] [ 2011 to 12 ] [ 2012 to 13 ] [ 2013 to 14 ] [ 2014 to 15 ] |
Previous Seminar : Next Seminar |
Seminar on Probability and Statistics Wednesday October 6 2010 Tokyo Studio 3:00-4:10 pm
Elasticnet型正則化を持つMultiple Kernel Learningについて
鈴木 大慈 / SUZUKI, Taiji 東京大学 / University of Tokyo Abstract Mutiple Kernel Learning (MKL) はGroup Lassoをカーネル法へ拡張した手法であり,
多くの候補となるカーネルの中から必要なカーネルを選びそれらの凸結合をとって
カーネルを学習する方法である.凸最適化で解ける点と多くのカーネルの結合係数
を0にさせるスパース性を有するという利点がある.しかし最近になって,一様重みで
単純にカーネルを足し合わせる方法とMKLの中間にあたるような,「中間的なスパー
スさ」が画像認識などの応用で良い性能を示すことが実験的に示されている.本発表
ではその「中間的なスパースさ」を実現する方法としてelasticnet型正則化を持つ
MKLを扱い,その効率的な計算アルゴリズムや,漸近的な収束性能について議論する.
漸近的な収束性能については,真のカーネル結合係数がスパースな場合とそうでない
場合で状況を分けて考え,minimaxレートを達成することや,普通のMKLより少し緩い
条件でスパースパターンの一致性があることなどelasticnet型MKLにはいくつかの
良い性質があることを示す.
|
Previous Seminar : Next Seminar | Seminar on Probability and Statistics |