電子情報通信学会ソサイエティ大会講演要旨
A-10-7
飼いならし学習問題における信頼性の低い訓練事例に対する多値ラベル推定法
◎小石泰毅(九工大)・石田秀一・田原竜夫(産総研)・宮本弘之(九工大)
複数の信頼性の異なる訓練事例集合を併用する学習問題が広く研究されているが、誤ったラベルを持つ事例から学習すると学習精度に悪影響を与えることが問題となっている。本稿では,飼いならし学習と呼ばれる学習問題を対象とする。多値分類問題において、信頼性の低い訓練事例集合である野生データから、信頼性の高い訓練事例集合である飼育データを用いて、誤ったラベルを持つデータを特定・修正する手法を提案する。提案手法を用いることで、野生データに混在する誤ったラベルを持つデータを修正することができる。さらに、通常の飼いならし学習よりも多くの野生データから学習を行い、高精度に判別を行う可能性を示した。