named by かしまさん(IBM) 読む人:藤巻(NEC)

Slides:



Advertisements
Similar presentations
esc/images/journal200404/index.html How the OFES (OGCM for the Earth Simulator) simulates the climatological state of the.
Advertisements

Localized hole on Carbon acceptors in an n-type doped quantum wire. Toshiyuki Ihara ’05 11/29 For Akiyama Group members 11/29 this second version (latest)
BCD : Physics Options  e , e - e -, GigaZ, fixed target T. Omori 2005 年 12 月 20 日 BCD
極紫外撮像分光装置 (EIS) 国立天文台 渡 邊 鉄 哉
オンライン学習 Prediction Learning and Games Ch2
小水力班/ Small Hydro Generation Group 研究背景 / Research background
Lexical Permutation Sorting Algorithm
認知科学ワークショップ 第2回 記憶(1).
画像処理論.
Ex7. Search for Vacuum Problem
Ex8. Search for Vacuum Problem(2)
データモデリング 推薦のための集合知プログラミング.
Accelerated Gradient Methods for Stochastic Optimization and Online Learning (Hu, Kwok and Pan, NIPS2009) 二宮 崇 機械学習勉強会 2010 年 6 月 17 日 1.
スペクトル法による数値計算の原理 -一次元線形・非線形移流問題の場合-
アルゴリズムとデータ構造 --- 理論編 --- 山本 真基
大規模データの線形識別 Recent Advances of Large-scale Linear Classification
にほんご 111 (11/09/2006) Chapter 4 Quiz #1 〜は…です。 は vs. が えいが.
湘南工科大学 2013年4月23日 プロジェクト実習A アドベンチャーゲームを作ろう 第3回 湘南工科大学情報工学科 准教授 小林 学.
Estimating Position Information by Detecting Network-Connection
Semi-Supervised QA with Generative Domain-Adaptive Nets
「串刺し」研究アプローチの例 e-learning e-space 動画配信 システム SOI Smart Web ストリーミング技術
What is the English Lounge?
導入予定価格円(仮) 導入予定サービス名 こんな繰り返し作業にうんざりしていませんか? 求人ページ 社内システム
フードピラミッド(Food Pyramid)
Session 8: How can you present your research?
第25章 単一始点最短路 3節 Bellman-Fordのアルゴリズム
正規分布における ベーテ近似の解析解と数値解 東京工業大学総合理工学研究科 知能システム科学専攻 渡辺研究室    西山 悠, 渡辺澄夫.
決定木とランダムフォレスト 和田 俊和.
定兼邦彦 今井浩 東京大学理学系研究科 情報科学専攻
データベース工学 生研 戦略情報融合研究センタ 喜連川 優.
卒論進捗発表(4) 11/ 山崎孝裕.
Songzhu Gao, Tetsuya Takiguchi, Yasuo Ariki (Kobe University) 
Term paper, Report (1st, first)
情報源:MARA/ARMA 加 工:成田空港検疫所 菊池
訓練データとテストデータが 異なる分布に従う場合の学習
豊田正史(Masashi Toyoda) 福地健太郎(Kentarou Fukuchi)
SksMinus status 23 HB meeting 2009/3/19 白鳥昂太郎.
Trading Convexity for Scalability
中京大学 工学部 電気電子工学科 白井研究室 4年 T 為房直人
Some Generalization of Lorentzian BLG Model
Satoru Ishikawa Satoru Satake Denis Vazhenin
著者:六川修一 著者:六川修一 原画像(左画像)は ©METI and JAXA[2007] Distributed by ERSDAC 著者:六川修一.
統計学の入門講義における 達成動機,自己効力感,およびテスト成績の関連
Ex7. Search for Vacuum Problem

Nightmare at Test Time: Robust Learning by Feature Deletion
出典:小島尚人、舘智士:インターネット環境下で稼働する画像幾何学的歪補正システムの構築、土木情報技術論文集、Vol 出典:小島尚人、舘智士:インターネット環境下で稼働する画像幾何学的歪補正システムの構築、土木情報技術論文集、Vol.18、pp249~260、2009年10月.
非負値行列因子分解に基づく唇動画像からの音声生成
SIGN LANGUAGE.
Periodic solution of van der Pol differential equation.
アルゴリズムとデータ構造 2011年7月8日課題の復習
1.Do you know what country it is?
曲がった時空上の場の理論の熱的な性質と二次元CFT
データ構造とアルゴリズム (第5回) 静岡大学工学部 安藤和敏
「ICAによる顔画像特徴量抽出とSVMを用いた表情認識」
The difference between adjectives and adverbs
東北大 情報科学 田中和之,吉池紀子 山口大 工 庄野逸 理化学研究所 岡田真人
距離空間ピラミッドを用いた LLCによる3次元物体認識
``Exponentiated Gradient Algorithms for Log-Linear Structured Prediction’’ A.Globerson, T.Y.Koo, X.Carreras, M.Collins を読んで 渡辺一帆(東大・新領域)
MOIRCSサイエンスゼミ 銀河団銀河のMorphology-Density Relation
Javaスタック ヒープ (インスタンス置き場) <init> i1215 i1512 r= r= | locals | =4
What will you do on the weekend?
Term paper, report (2nd, final)
アルゴリズム入門 (Ver /10/07) ・フローチャートとプログラムの基本構造 ・リスト ・合計の計算
ICML読む会資料 (鹿島担当) 教師ナシ の 構造→構造 マッピング 読んだ論文: Discriminative Unsupervised Learning of Structured Predictors Linli Xu (U. Waterloo) , … , Dale Schuurmans.
発表者: 稲葉 一浩 複雑ネットワーク・地図グラフ セミナー 2017/1/19
Microsoft Cognitive Services の概要
ガウシアングラフィカルモデルにおける一般化された確率伝搬法
グラフ-ベクトル変換を用いたグラフ構造表現による一般物体認識
プログラミング入門2 第3回 条件分岐(2) 繰り返し文 篠埜 功.
Presentation transcript:

named by かしまさん(IBM) 読む人:藤巻(NEC) Multi-Instance 祭り!! named by かしまさん(IBM) 読む人:藤巻(NEC)

Multiple Instance Learning for Sparse Positive Bags 読む論文(参考文献) On the Relation Between Multi-Instance Learning and Semi-Supervised Learning Zhi-Hua Zhou and Jun-Ming Xu MIってSemi-supervisedで解けるよね Semi-supervised Learning,CCCP Formulationは参照論文とほぼ同じになる Multiple Instance Learning for Sparse Positive Bags Razvan C. Bunescu and Raymond J. Mooney Trunsductive Constraint, CCCP

What is Multi-Instance Learning(A) Overview What is Multi-Instance Learning(A) SVM-based Multi-Instance Learning(B) sSVM(B) Formulation Trunsductive and CCCP Miss-SVM(A) Relation between MI and Semi-Supervised Experiments

What is Multi-Instance Learning? Negative bags Positive bags Given : 各bagのラベル Unknown : 各インスタンスのラベル Assumption : positive bagは少なくても1つの positive instanceを含む Unknown bagに対するpredictorを学習することが目標 *医療系とか画像診断系でこういう問題設定があるのかな?

SVM-based Multi Instance Learning SIL-SVM : Positive Bags は Positive Richと思おう 他にも・・・  ・STK・・・NSKの亜種  ・mi-SVM・・・SIL-SVMを繰り返す  ・MI-SVM・・・NSKを繰り返す NSK : InstanceではなくてBagに対するカーネルを準備 Problem : 少なくて1つは正を制約に入れたい!!

Multiple Instance Learning for Sparse Positive Bags Razvan C. Bunescu Raymond J. Mooney

sSVM sSVMだ~~!

Transductive and CCCP (stSVM) ・sSVMは厳密には「少なくて一つは正」を満たさない場合がある → 全部がすごい小さい負 たぶんXの間違え これを入れると Bagに必ずpositiveが1つ 必要になる OK! 全部足したのに対する制約 全部が境界にいると思うと・・・ 全部negative negative wφ(x) + b = -1 + ξX wφ(X) + |X| b = -|X| + |X|ξX positive wφ(x) + b = 1 - ξX 1つだけpositive 後はCCCPで解こう wφ(X) + |X| b = (2 - |X|)(1 – ξX)

Balanced Procedure

Zhi-Hua Zhou Jun-Ming Xu On the Relation Between Multi-Instance Learning and Semi-Supervised Learning Zhi-Hua Zhou Jun-Ming Xu

What is Multi-Instance Learning? 思い出しスライド Negative bags Positive bags Given : 各bagのラベル Unknown : 各インスタンスのラベル Assumption : positive bagは少なくても1つの positive instanceを含む Unknown bagに対するpredictorを学習することが目標

Semi-Supervised Learning Negative instances Positive instances Unknown instances Given : positive, negative instancesのラベル Unknown : unknown Instancesのラベル unknown instancesも学習に使い predictorの精度を向上させることが目標

Reformulation Bag label Instance Bagをnegative, positiveでソートしてみる

Reformulation Assumption:positive bagは少なくても1つのpositive instanceを含む → negative bagはnegative instanceのみを含む Negative由来はnegative!! Positive由来はunknown Let’s Semi-Supervised Formulation!! positive bagのindex →Fsによって各インスタンスのラベルを判定し1つでもpositiveならpositive

MissSVM Popular Semi-Supervised Learning Formulation Labeled data Unlabeled data Positive bagは必ずpositive instanceを含まないと×

MissSVM Representer Theorem negative bag positive bag positive instance positive instance Representer Theorem

MissSVM ConCave Convex Programing (CCCP) にしよう convex convex convex

Relaxation to CCCP Concave部分が微分不可なのでsubgradientで代用する (1-τ) 簡単に・・・ fのxにおけるsubgradient

MissSVM CCCP

Experiments sSVM

Bagのレシピ

Result

Experiments MissSVM

Drug Activity Prediction Musk1: 47 positive bags, 45 negative bags, average 5.17 instances Musk2: 39 positive bags, 63 negative bags, average 64.49 instances Bag: molecule Instance: low-energy shape

Image Categorization Bag: Image Instance: Region of Interest

Image Categorization 入力 出力

Web Index Page Recommendation

マルチインスタンス学習の問題設定を知った Bag内の相関を考える(Future workにも載っていた) 感想 マルチインスタンス学習の問題設定を知った Bag内の相関を考える(Future workにも載っていた) 仮説:同じBag内のデータは似ている(positiveもnegativeも) 負けてもいいんだという心意気を学んだ