2値分類器の結合による多値分類法の理論的解析に成功

深層学習モデルにおける性能向上に期待

2023年2月2日
学校法人　早稲田大学
国立大学法人　電気通信大学

詳細は早稲田大学WEBサイトをご覧ください⇒

発表のポイント
●機械学習分野において、2値分類器を組み合わせて多値分類器を構築するError-correcting output coding (ECOC)は実験的に良い性能を示すことが知られていましたが、その理由は理論的に明らかになっていませんでした。
●本研究では２値分類器の推定性能に着目し、その推定誤差に対して頑健なECOCの枠組みを数理的にモデル化することで、分類誤り率を最小とする最大事後確率分類に限りなく近づける方法を理論的に明らかにしました。
●近年脚光を浴びている深層学習モデルに本研究成果を適用することにより、その性能向上に大きく寄与することが期待されています。

早稲田大学データ科学センター講師 雲居 玄道（くもい げんどう）、電気通信大学大学院情報理工学研究科准教授 八木 秀樹（やぎ ひでき）、および早稲田大学データ科学センター教授 小林 学（こばやしまなぶ）、早稲田大学理工学術院創造理工学部教授 後藤 正幸（ごとう まさゆき）、早稲田大学名誉教授 平澤 茂一（ひらさわ しげいち）による共同研究グループは、2値分類器を組み合わせて多値分類器を構築するError-correcting output coding (以下、「ECOC」)の枠組みを数理的にモデル化し、ECOCが良い分類性能を示すための、2値分類器の組み合わせの条件を理論的に明らかにしました。

本研究成果は、シンガポール・World Scientific社発行の『International Journal of Neural Systems, Vol. 33, No. 2 (2023) 』に、論文名 “Performance Evaluation of Error-Correcting Output Coding Based on Noisy and Noiseless Binary Classifiers” として掲載されました。

詳細は早稲田大学WEBサイトをご覧ください⇒

論文情報
雑誌名：International Journal of Neural Systems
論文名：Performance Evaluation of Error-Correcting Output Coding Based on Noisy and Noiseless Binary Classifiers
著者名：
雲居 玄道　早稲田大学データ科学センター講師（任期付）
八木 秀樹　電気通信大学大学院情報理工学研究科准教授
小林 学　早稲田大学データ科学センター教授
後藤 正幸　早稲田大学理工学術院創造理工学部教授
平澤 茂一　早稲田大学名誉教授
掲載日時（現地時間）：2023年1月9日（月）※オンライン
掲載URL：https://www.worldscientific.com/doi/10.1142/S0129065723500041
DOI：10.1142/S0129065723500041