講演情報
[4Yin-A-31]不均衡環境下における固定ETF分類器のラベルノイズ脆弱性とラベルスムージングによるロバスト性の向上
〇船橋 洸陽1、内田 真人1 (1. 早稲田大学)
キーワード：
Neural Collapse、深層学習、ラベルスムージング、不均衡学習、ラベルノイズ
深層学習の学習終盤において、最終層の分類器が正則単体構造に収束するNeural Collapseという現象が知られている。この知見を応用し、分類器を予め正則単体構造に固定して学習する固定ETF分類器は、クラス不均衡下で、高性能を示すことが報告されている。しかし、実環境で頻出するラベルノイズが、固定ETF分類器の学習にどのような影響を与えるかについては十分に検証されてこなかった。本研究では、固定ETF分類器はラベルノイズに対して脆弱で、特に少数クラスの識別性能が低下することを実験的に明らかにした。さらに、ラベルスムージングを導入することで、ラベルノイズの影響で低下した精度が回復することを示した。