$TCP_α$：信頼性の高い音楽情報検索のためのマージン制御信頼性推定

音楽情報検索における信頼性の高い確信度推定のための「$TCP_α$」を提案。深層学習モデルは誤った予測に対しても過度に確信を示す傾向があり、ユーザーは予測の信頼性を判断する信号を得にくい。本研究は、より正確で信頼性の高い確信度推定手法を提供する。

• 深層学習モデルの過剰な自信（overconfidence）の問題に対処するため、新しい信頼性推定手法「TCPα」を提案。
• TCPαは、誤分類されたサンプルに対してマージン制御ペナルティを導入し、正誤予測の信頼値の分離を保証する。
• 学習時のデータ不均衡に対処するための体系的な学習戦略を検討し、有効な設定を特定した。
• インド古典音楽のラーガ識別タスクで評価し、既存手法を上回る信頼性推定性能を示した。
• 少量のラベル付きデータでファインチューニングすることで、ドメインシフト下でも性能を効果的に回復させた。