Noyaux à valeurs opérateurs et apprentissage de métriques multi-vues

Riikka Huusari (1, 2, 3) , Hachem Kadri (1, 2, 3) , Cécile Capponi (1, 2, 3)

1 AMU - Aix Marseille Université
2 LIF - Laboratoire d'informatique Fondamentale de Marseille
3 QARMA - éQuipe AppRentissage et MultimediA [Marseille]

Nous considérons le problème d'apprentissage de métriques dans un contexte multi-vues, et présentons une nouvelle méthode qui apprend des métriques entre les vues dans des espaces à noyaux à valeurs opérateurs permettant de capturer la structure multimodale des données. Nous formulons ce problème comme un problème d'optimisation convexe et nous proposons un algorithme itératif dont l'objectif est d'apprendre conjointement les métriques et le classificateur ou le régresseur. Afin de faire de réduire le coût calculatoire, une approximation Nyström par blocs de la matrice à noyaux multi-vues est introduite. Des expériences sur des données artificielles et réelles ont été réalisées pour évaluer l'algorithme proposé.

Domaines: Apprentissage [cs.LG]; Machine Learning [stat.ML]

Riikka Huusari, Hachem Kadri, Cécile Capponi. Noyaux à valeurs opérateurs et apprentissage de métriques multi-vues. Conférence sur l'Apprentissage automatique (CAp), Jun 2017, Grenoble, France. ⟨hal-01774999⟩