表題番号：2019C-291
日付：2020/03/27
研究課題AutoEncoderによるサポートベクターマシンのためのカーネル関数の構築
| 研究者所属（当時） | 資格 | 氏名 | |
|---|---|---|---|
| （代表者） | 理工学術院 大学院情報生産システム研究科 | 教授 | 古月 敬之 |
- 研究成果概要
- サポートベクターマシン（SVM）は、マージン最大化によって優れた汎化性等の性能を持つ線形分類器として近年多くの注目を集めている。また、SVMはカーネル法によりデータを高次元特徴空間に写像することによって非線形分類問題を扱うことを可能にしている。従来のSVMではカーネル関数の形が固定されているので、分離境界線に関する先見情報があっても利用しにくいである。本研究では、機械学習による準線形カーネル関数の構築を行った。特に、データのラベル情報が利用できない場合に、教師なし学習として、スパースモデリング技術を適用したTop k% Winner-take-all AutoEncoderでSVMのためのカーネル関数の学習法を開発した。