文献
J-GLOBAL ID:201702224106754335   整理番号:17A0368726

サポートベクトルマシンの最適パラメータと産業調査データ分類への応用に対する新しいBayes推論【Powered by NICT】

Novel Bayesian inference on optimal parameters of support vector machines and its application to industrial survey data classification
著者 (3件):
資料名:
巻: 211  ページ: 159-171  発行年: 2016年 
JST資料番号: W0360A  ISSN: 0925-2312  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
エンジニアリング資産管理(EAM)は最近魅力的な分野である,組織の成功への資産管理の価値ある寄与を検討することを目的とした。今日のとして,EAM基準の性能を評価するために特異的な方法ではない。本論文では,このギャップを埋めると導電性調査の代わりに,アンケートを評価し,退屈なプロセスの結果とランキング性能を解析し,アセットマネジメントの性能をランク付け自動的にすることを目的とした。,全手順を単純化するための知的データ分類を開発する必要がある。多くの教師つき学習法の中で,二値分類問題のための注目されているサポートベクトルマシンとその拡張,即ち,多重サポートベクトルマシン,多クラス分類問題を解くことができる。未知の試験データセットの予測のためのそれらの使用前にサポートベクトルマシンの最適パラメータを見出すことが重要である。本論文では,サポートベクトルマシンの最適パラメータに及ぼす新しいBayes推論を提案した。最初に,状態空間モデルは,サポートベクトルマシンのパラメータ間の関係を見出し,交差検証精度を推測するために構築した。推定相互検証精度は過剰適合からサポートベクトルマシンを防止することを目的とした。第二に,サポートベクトルマシンのパラメータの事後確率密度関数を見出す逐次的に導入した粒子フィルタ。,サポートベクトルマシンの最適パラメータを事後確率密度関数から見出すことができる。産業から収集した調査データは提案したBayes推定法の有効性を検証するために用いた。いくつかのランダムに選択されたパラメータとの比較は,提案した方法の優位性を明らかにした。結果は,提案したBayes推定法は高度な訓練と試験精度の両方をもたらすことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  ニューロコンピュータ 

前のページに戻る