메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
노영균 (서울대학교) 박종우 (서울대학교) 다니엘 리 (펜실베니아대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 소프트웨어 및 응용 정보과학회논문지 : 소프트웨어 및 응용 제39권 제5호
발행연도
2012.5
수록면
347 - 354 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
생성국부거리(Generative Local Metric, GLM) 학습을 통한 최근린 분류(Nearest Neighbor Classification, NN Classification)는 생성적(generative) 접근방법과 분류적(discriminative) 접근방법의 합성 모델이다. 두 방법의 차이는 분류형 형태를 띄는 최근린 분류기가 데이터의 모델을 고려하지 않는 반면, 생성형 분류기는 언제나 확률 밀도 함수의 형태를 가정하고 학습하게 된다는 데 있다. 이 연구에서는 어떻게 이러한 서로 다른 분류적, 생성적 접근이 서로 다른 종류의 강점을 가지게 되고, 어떻게 GLM은 이러한 양쪽의 강점을 모두 취하게 되는지 설명한다. 다양한 예시를 통해 우리는 어떠한 경우에 생성적 방법이 분류적 방법보다, 혹은 분류적 방법이 생성적 방법보다 좋은 성능을 보이게 되는가를 알아보고, 이러한 경우에서 비록 모델이 정확하지 않은 경우에 대해서도 GLM이 원래의 최근린 분류 성능을 계속 향상 시키는 좋은 특징이 있는 것을 보인다.

목차

요약
Abstract
1. Introduction
2. Generative Local Metric Learning
3. Comparison with other related methods
4. Experiments
5. Conclusion
References

참고문헌 (14)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2013-569-002864809