Rankprop の変更点

• 追加された行はこの色です。
• 削除された行はこの色です。
• Rankprop へ行く。

* Rankprop [#j3878266]

//ここには %項目の説明を書いてください．よろしければ署名しておいてください．

ニューラルネットで，1/0 のそれぞれのクラスへのなりやすさではなく，そのなりやすさで整列したときの順位を正確に予測する工夫．
機械学習分野で，順位付けの問題を扱った初期の研究．

訓練事例は1/0の2クラス．
これを，整列すると，1の事例が上位に，0の事例が下位に並ぶ．
しかしこれでは大量の同順位が生じる．
そこで，1の訓練事例内で，現在のネットワークの出力の大きさに応じて整列．
0の訓練事例内でも同様の処理をする．
すなわち，訓練事例の1/0を1次キー，ネットワークの各事例の予測値を2次キーとして与えられた訓練事例を整列．

訓練事例を整列したら，今度は，この列中での順位を予測するように，最小2乗誤差基準でバックプロパゲーションを用いてネットワークを再訓練する．

仮想コードで書くと，次の手続きを反復
+ 各事例に対するネットワークの出力を順伝播で求める．
+ 各事例のクラスを1次キー，ネットワークの出力値を2次キーとして事例を整列
+ この列での各事例の順位を予測するように，最小2乗誤差基準でネットワークを再訓練

この方法がうまくゆく理由としては，関数そのものより，その関数と単調な関係の関数を学習する方が，学習の条件として緩くなることを挙げている．

> -- しましま

** 関連項目 [#i08708ec]

//英語や同義語のあとに，#brで区切って関連する項目をリストしてください．
-[[ニューラルネット]]
#br
-[[検索:Rankprop]]

** リンク集 [#yc6ab885]

//関連するWWW資源があればリンクしてください．

** 関連文献 [#m0d1ad7e]

//この%項目%に関連する書籍や論文を紹介してください．

-基本文献~
Using The Future to "Sort Out" The Present: Rankprop and Multitask Learning for Medical Risk Evaluation~
[[GoogleScholarAll:Using The Future to Sort Out The Present: Rankprop and Multitask Learning for Medical Risk Evaluation]]