정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
준지도 학습에서 꼭지점 중요도를 고려한 레이블 추론 |
| 영문제목(English Title) |
A Label Inference Algorithm Considering Vertex Importance in Semi-Supervised Learning |
| 저자(Author) |
오병화
양지훈
이현진
Byonghwa Oh
Jihoon Yang
Hyun-Jin Lee
|
| 원문수록처(Citation) |
VOL 42 NO. 12 PP. 1561 ~ 1567 (2015. 12) |
한글내용
(Korean Abstract) |
준지도 학습은 기계 학습의 한 분야로서, 레이블된 데이터와 레이블되지 않은 데이터 모두를 사용하여 모델을 학습함으로써 지도 학습에 비해 예측 정확도를 높일 수 있다. 최근 각광받고 있는 그래프 기반 준지도 학습은 입력 데이터를 그래프의 형태로 변환하는 그래프 구축 단계와 이를 사용하여 레이블되지 않은 데이터의 레이블을 예측하는 레이블 추론 단계로 나뉜다. 이 추론은 준지도 학습에서의 평활도 가정을 기본으로 한다. 본 연구에서는 추가로 각 꼭지점 중요도를 결합함으로써 개선된 레이블 추론 알고리즘을 제안한다. 이와 함께 알고리즘의 수렴성을 증명하고, 또한 실험을 통해 알고리즘의 우수성을 검증하였다.
|
영문내용
(English Abstract) |
Abstract Semi-supervised learning is an area in machine learning that employs both labeled and unlabeled data in order to train a model and has the potential to improve prediction performance compared to supervised learning. Graph-based semi-supervised learning has recently come into focus with two phases: graph construction, which converts the input data into a graph, and label inference, which predicts the appropriate labels for unlabeled data using the constructed graph. The inference is based on the smoothness assumption feature of semi-supervised learning. In this study, we propose an enhanced label inference algorithm by incorporating the importance of each vertex. In addition, we prove the convergence of the suggested algorithm and verify its excellence.
|
| 키워드(Keyword) |
그래프 기반 준지도 학습
레이블 추론
뉴만 급수
꼭지점 중요도
graph-based semi-supervised learning
label inference
Neumann series
vertex importance
|
| 파일첨부 |
PDF 다운로드
|
