Development of Multitask Pattern Recognition Model with Knowledge Transfer of Feature Space and Application to Person Identification

特征空间知识迁移多任务模式识别模型的开发及其在人员识别中的应用

基本信息

  • 批准号:
    20500205
  • 负责人:
  • 金额:
    $ 2.91万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
  • 财政年份:
    2008
  • 资助国家:
    日本
  • 起止时间:
    2008 至 2010
  • 项目状态:
    已结题

项目摘要

In the environments where multiple pattern recognition tasks with some relatedness are learned sequentially, it is known that the learning is conducted efficiently even with a small number of training data by using "knowledge transfer" from one task to another. In the research project, we developed a multitask learning algorithm with an efficient knowledge transfer mechanism where a useful feature space is learned incrementally in an efficient way by transferring a part of previous learned knowledge to an unknown task. The proposed multitask learning algorithm is implemented as a person identification system using face images and the effectiveness of this system is verified.
在依次学习具有某些相关性的多个模式识别任务的环境中,众所周知,即使通过使用“知识转移”到另一个任务到另一个任务,学习也可以有效地进行学习。在研究项目中,我们开发了一种具有有效的知识转移机制的多任务学习算法,在该算法中,通过将一部分先前的学习知识转移到未知任务中,以有效的方式逐步学习了有用的特征空间。提出的多任务学习算法是使用面部图像作为人识别系统实现的,并验证了该系统的有效性。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
A Fast Incremental Kernel Principal Component Analysis for Online Feature Extraction
  • DOI:
    10.1007/978-3-642-15246-7_45
  • 发表时间:
    2010-08
  • 期刊:
  • 影响因子:
    0
  • 作者:
    S. Ozawa;Y. Takeuchi;S. Abe
  • 通讯作者:
    S. Ozawa;Y. Takeuchi;S. Abe
追加学習型カーネル主成分分析によるオンライン特徴抽出
使用加性学习核主成分分析进行在线特征提取
A Fast Incremental Kernel Principal Component Analysis for Online Feature Extraction, in PRICAI 2010
用于在线特征提取的快速增量核主成分分析,发表于 PRICAI 2010
マルチタスク・パターン認識のための追加学習モデル
多任务模式识别的附加学习模型
  • DOI:
  • 发表时间:
    2010
  • 期刊:
  • 影响因子:
    0
  • 作者:
    和久屋寛;寺田晃(H.Wakuya;A.Terada);小澤誠一
  • 通讯作者:
    小澤誠一
オンライン特徴抽出を行う追加型再帰フィッシャー線形判別の改良
在线特征提取对加性递归Fisher线性判别式的改进
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

OZAWA Seiichi其他文献

OZAWA Seiichi的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('OZAWA Seiichi', 18)}}的其他基金

Development of Malware Detection/Classification System Introducing Incremental Learning and Active Learning
引入增量学习和主动学习的恶意软件检测/分类系统的开发
  • 批准号:
    24500173
  • 财政年份:
    2012
  • 资助金额:
    $ 2.91万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Research of Sequential Multitask Learning and ItsApplication to Patlern Recognition
顺序多任务学​​习及其在模式识别中的应用研究
  • 批准号:
    18500174
  • 财政年份:
    2006
  • 资助金额:
    $ 2.91万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)

相似海外基金

マルチタスク深層学習における補助損失の動的制御と音声コミュニケーションへの応用
多任务深度学习中辅助损失的动态控制及其在语音通信中的应用
  • 批准号:
    22K12105
  • 财政年份:
    2022
  • 资助金额:
    $ 2.91万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
多様な探索問題のための情報論的ベイズ最適化の構築と材料科学データでの実践
针对各种搜索问题构建基于信息的贝叶斯优化及其在材料科学数据上的实现
  • 批准号:
    21H03498
  • 财政年份:
    2021
  • 资助金额:
    $ 2.91万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
計算モデルにガイドされた急成長を伴う時空間モデルの開発
在计算模型的指导下开发快速增长的时空模型
  • 批准号:
    20K12065
  • 财政年份:
    2020
  • 资助金额:
    $ 2.91万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
学習時間を1/10にした学習手法の拡張によるロボット向けエッジAIの構築と評価
通过扩展学习方法构建和评估机器人边缘AI,将学习时间减少到1/10
  • 批准号:
    20K11943
  • 财政年份:
    2020
  • 资助金额:
    $ 2.91万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Deep learning-based prognosis prediction in cancer patients
基于深度学习的癌症患者预后预测
  • 批准号:
    19K17208
  • 财政年份:
    2019
  • 资助金额:
    $ 2.91万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了