要旨: 本論文では、半教師あり学習のための新しいアルゴリズムを提案する。このアルゴリズムは、調和関数による解が誘導するラベルに関して、マージンを最大化するグラフカットを学習する。提案手法の動機付けを行い、既存研究と比較し、その汎化誤差に関する上界を証明する。解の品質は、合成問題および3つのUCI MLリポジトリのデータセットにおいて評価する。多くの場合、半教師ありの最大マージン学習における最先端手法であるサポートベクターマシンのマニフォールド正則化を上回る。
調和関数に基づくラベルに対して最大マージンとなるグラフカットによる半教師あり学習
arXiv cs.LG / 2026/4/30
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、調和関数の解から誘導されるラベルに対して最大マージン目的を最大化することでグラフカットを学習する、新しい半教師あり学習アルゴリズムを提案している。
- 著者らは動機づけと既存手法との比較を行い、提案手法が従来とどう異なるかを整理している。
- アルゴリズムについて一般化誤差の上界を証明しており、学習挙動の理論的な裏付けを与えている。
- 合成問題とUCIの3つのデータセットで評価した結果、SVMのマンフォールド正則化（半教師あり最大マージン学習の最先端手法とされる）よりも多くのケースで優れていることを示している。
