Machine Learning
口頭発表
AutoEncoderを導入したRegression Forestsによるノイズ発見
- Author
- 日比野眞也, 木村昭悟, 山下隆義, 山内悠嗣, 藤吉弘亘
- Publication
- パターン認識・メディア理解研究会, 2017
Download: PDF (Japanese)
本研究では，Regression Forestsの回帰過程において発生するテストサンプルのノイズによるノードの分岐反転を発見する手法を提案する．Regression Forestsの回帰推定の際に，入力特徴ベクトルのある次元にノイズが付与されると，その次元を参照した分岐ノードが反転し，異なる子ノードへ分岐することがある．分岐が反転すると到達する末端ノードが変化するため正しい回帰推定が困難となり，精度が低下するという問題が生じる．そこで，本研究ではRegression Forestsの各回帰木の末端ノードに相関があることに着目し，学習済みの各回帰木に学習サンプルを入力し，到達したノードを表現した特徴パターンを入力してAutoEncoderを学習する.これにより，ノイズを含む特徴ベクトルを入力した際の各回帰木の正しい出力パターンを想起し，分岐が反転したノードを発見できる．分岐が反転したノードに対して複数パスを考慮することで，ノイズの影響を低減した回帰推定を行う．評価実験より，提案手法は 4つのデータセットに対して回帰精度を向上させることができた．