Unified approach for data sampling problems based on online prediction theory

点击翻译按钮获取中文摘要

オンライン予測理論に基づくデータサンプリング問題の枠組みを用い，様々な学習タスクへの適用を行った．1. ラベル比率からの学習問題に対する疑似ラベルに基づく方法を構築した．オンライン予測理論に基づくデータサンプリングにより，効率的かつ高精度な疑似ラベルを担保しながらの学習を可能にした．実データを用いた実験でも，既存手法に比べ高い性能を示した．査読付き国際会議に投稿し受理された．2. 研究計画でメインターゲットとしていた，ノイズラベルデータに対するノイズデータを除去しながら学習する手法を構築した．オンライン予測理論に基づくデータサンプリングにより，従来より２倍程度学習を高速化しつつ，高精度なノイズデータ除去と，ラベル予測が可能となった．実データを用いた実験においても，従来手法より高い精度でノイズデータの除去とラベル予測を行えていることが確認できた．現在学術論文誌に投稿中である．これらの結果によって，研究計画でも示した「統合的な枠組み」「オンライン予測理論に基づく理論性能の保証」および「実応用の開拓」を明らかにした．また，研究計画でメインターゲットとしていたノイズラベルデータに対する適用だけではなく，ラベル比率からの学習問題にも適用を可能とし，提案した枠組みの汎用性を示した．1. および 2. で扱った問題に対してオンライン予測理論に基づくデータサンプリングを導入したのは世界で初であり，各問題における既存手法とは一線を画す独創的なアプローチである．