17 0 0 0 OA 輔助重み法によるニューラルネット上での特徴選択と過適防止
- 著者
- 野田 陽
- 出版者
- 人工知能学会
- 雑誌
- 2018年度人工知能学会全国大会(第32回)
- 巻号頁・発行日
- 2018-04-12
本研究では各入力次元の寄与度に基づいて入力へ重みをかける、補助重み法 (AW) を提案する。AW は特徴抽出するという意味で Lasso に似ているが、医用質量分析機器データのように、少数の判別に寄与する次元に対して大量の寄与の無い次元がある場合に Lasso よりも高速に特徴抽出が可能である。(実証コード:https://bitbucket.org/akira_you/awexperiment)
言及状況
Twitter (17 users, 22 posts, 29 favorites)
そういや今度JSAI2019に出すやつ。次元削減に関する続報なんだけど、タイトルから続報ってわからないので・・・ニューラルネットにおける入力次元削減に興味がある方は是非・・・といっても興味もつのは化学分析とかバイオマーカな人ぐらい？ https://t.co/rs08SJrGxl https://t.co/bBahwMCjqt
NNの特徴量の重要度を知るために一個抜く、という論文が流れてきたけど、そんな面倒な事するなら今年のJSAIで出てた勾配ベースの手法で良くない？
https://t.co/Ngb7xZR0UU
人工知能学会 JSAI2018 折角鹿児島まで発表に行くのに、聴講スケジュール入れてくれてる人少なくて悲しいので、私的に拡散。この４画像でだいたいわかるかな？ https://t.co/J2LQIodV1Q https://t.co/UvnL9HdX5w
人工知能学会 JSAI2018のPDF公開来たね。私はこれです。FTIRみたいな分光データとか質量分析にニューラルネットを適用する時は便利なので使ってみてね。それ以外でも使えるけど…スペクトル（やリテンションタイム)に分けてくれる奴がおすすめ。実装はChainerっす。 https://t.co/YXr8qS0blk
アブスト出てる〜。ニューラルネットで寄与の強い次元を抽出（特徴抽出）するもの作りました。（Chainerでの実証コード付) 実証コードは差が一番目立つようにトリビアルなデータにしてるけど、多分普通に大部分の分析化学系データに役立つと思う。(思うだけは自由） https://t.co/J2LQInWkai
収集済み URL リスト
- https://confit.atlas.jp/guide/event/jsai2018/subject/2J4-02/detail (5)
- https://confit.atlas.jp/guide/event/jsai2018/subject/2J4-02/detail?lang=ja (1)
- https://confit.atlas.jp/guide/event/jsai2018/subject/2J4-02/tables (4)
- https://confit.atlas.jp/guide/event/jsai2018/subject/2J4-02/tables?cryptoId= (11)