WEKO3
アイテム
Multi-task manifold learning for small sample size datasets
http://hdl.handle.net/10228/0002000321
http://hdl.handle.net/10228/00020003219fc1ac47-2869-4e12-9da1-3eb1b204ab54
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
j.neucom.2021.11.043.pdf (6.7 MB)
|
|
| Item type | 学術雑誌論文 = Journal Article(1) | |||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2023-12-18 | |||||||||||||||||||
| 資源タイプ | ||||||||||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||||||||||||
| 資源タイプ | journal article | |||||||||||||||||||
| タイトル | ||||||||||||||||||||
| タイトル | Multi-task manifold learning for small sample size datasets | |||||||||||||||||||
| 言語 | en | |||||||||||||||||||
| 言語 | ||||||||||||||||||||
| 言語 | eng | |||||||||||||||||||
| 著者 |
石橋, 英朗
× 石橋, 英朗
WEKO
27859
× Higa, Kazushi
× 古川, 徹生
WEKO
661
|
|||||||||||||||||||
| 抄録 | ||||||||||||||||||||
| 内容記述タイプ | Abstract | |||||||||||||||||||
| 内容記述 | In this study, we develop a method for multi-task manifold learning. The method aims to improve the performance of manifold learning for multiple tasks, particularly when each task has a small number of samples. Furthermore, the method also aims to generate new samples for new tasks, in addition to new samples for existing tasks. In the proposed method, we use two different types of information transfer: instance transfer and model transfer. For instance transfer, datasets are merged among similar tasks, whereas for model transfer, the manifold models are averaged among similar tasks. For this purpose, the proposed method consists of a set of generative manifold models corresponding to the tasks, which are integrated into a general model of a fiber bundle. We applied the proposed method to artificial datasets and face image sets, and the results showed that the method was able to estimate the manifolds, even for a tiny number of samples. | |||||||||||||||||||
| 言語 | en | |||||||||||||||||||
| 書誌情報 |
en : Neurocomputing 巻 473, p. 138-157, 発行日 2022-12-17 |
|||||||||||||||||||
| 出版社 | ||||||||||||||||||||
| 出版者 | Elsevier | |||||||||||||||||||
| DOI | ||||||||||||||||||||
| 関連タイプ | isVersionOf | |||||||||||||||||||
| 識別子タイプ | DOI | |||||||||||||||||||
| 関連識別子 | https://doi.org/10.1016/j.neucom.2021.11.043 | |||||||||||||||||||
| NCID | ||||||||||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||||||||||
| 収録物識別子 | AA10827402 | |||||||||||||||||||
| ISSN | ||||||||||||||||||||
| 収録物識別子タイプ | EISSN | |||||||||||||||||||
| 収録物識別子 | 1872-8286 | |||||||||||||||||||
| ISSN | ||||||||||||||||||||
| 収録物識別子タイプ | PISSN | |||||||||||||||||||
| 収録物識別子 | 0925-2312 | |||||||||||||||||||
| 著作権関連情報 | ||||||||||||||||||||
| 権利情報 | Copyright (c) 2021 Elsevier B. V. All rights reserved. | |||||||||||||||||||
| キーワード | ||||||||||||||||||||
| 主題Scheme | Other | |||||||||||||||||||
| 主題 | Multi-task unsupervised learning | |||||||||||||||||||
| キーワード | ||||||||||||||||||||
| 主題Scheme | Other | |||||||||||||||||||
| 主題 | Multi-level modeling | |||||||||||||||||||
| キーワード | ||||||||||||||||||||
| 主題Scheme | Other | |||||||||||||||||||
| 主題 | Small sample size problem | |||||||||||||||||||
| キーワード | ||||||||||||||||||||
| 主題Scheme | Other | |||||||||||||||||||
| 主題 | Manifold disentanglement | |||||||||||||||||||
| キーワード | ||||||||||||||||||||
| 主題Scheme | Other | |||||||||||||||||||
| 主題 | Meta-learning | |||||||||||||||||||
| 出版タイプ | ||||||||||||||||||||
| 出版タイプ | AM | |||||||||||||||||||
| 出版タイプResource | http://purl.org/coar/version/c_ab4af688f83e57aa | |||||||||||||||||||
| 査読の有無 | ||||||||||||||||||||
| 値 | yes | |||||||||||||||||||
| 研究者情報 | ||||||||||||||||||||
| URL | https://hyokadb02.jimu.kyutech.ac.jp/html/343_ja.html | |||||||||||||||||||
