| 1 |
1
레이블된 데이터와 레이블되지 않은 데이터를 모두 사용하여 모델을 학습하는 준지도 학습에서의 레이블 추론 방법에 있어서,입력 데이터를 그래프의 형태로 변환하는 그래프 구축 단계; 및상기 구축된 그래프를 사용하여 레이블되지 않은 데이터의 레이블을 예측하는 레이블 추론 단계;를 구비하고, 상기 레이블 추론 단계는 준지도 학습에서의 평활도 가정을 기본으로 하되, 각 꼭지점 중요도를 결합하여 레이블을 추론하는 것을 특징으로 하는 준지도 학습에서의 레이블 추론 방법
|
| 2 |
2
제1항에 있어서, 상기 레이블 추론 단계는 각 꼭지점에 대하여 중요도를 나타내는 가중치를 부여하고,상기 가중치는 대각 행렬(Diagonal Matrix)로 정의되어 [0,1] 범위내의 값을 가지며 나머지 성분은 0 인 것을 특징으로 하는 준지도 학습에서의 레이블 추론 방법
|
| 3 |
3
제1항에 있어서, 상기 레이블 추론 단계는 꼭지점의 중요도를 측정함에 있어서,학습 과정 중에 각 꼭지점 i 에 대하여 Fi 의 분포를 고려하여 해당 꼭지점의 중요도를 동적으로 변화시키는 것을 특징으로 하는 준지도 학습에서의 레이블 추론 방법
|
| 4 |
4
제1항에 있어서, 상기 레이블 추론 단계에서 각 꼭지점에 대한 중요도를 나타내는 가중치를 결정하는 것은, 초기에는 레이블되지 않은 데이터에 대하여 F의 값은 모두 0이므로 가중치는 1로 설정하고,Minmax Criterion 및 Jensen-Shannon Divergence 를 사용하여 균등 분포와의 차를 구하여 최대값으로 정규화시키는 것을 특징으로 하는 준지도 학습에서의 레이블 추론 방법
|
| 5 |
5
제3항에 있어서, 상기 레이블 추론 단계는 동적 중요도 변경을 학습에서 적용하기 위하여 뉴만 급수(Neumann Series)를 이용하는 것을 특징으로 하는 준지도 학습에서의 레이블 추론 방법
|
