文献

J-GLOBAL ID：201702229093298538   整理番号：17A0213959

領域クラス不均衡へのロバスト性のための移動学習者の調査【Powered by NICT】

Investigating Transfer Learners for Robustness to Domain Class Imbalance

著者 (2件)： Weiss Karl R. ,  Khoshgoftaar Taghi M.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICMLA  ページ： 207-213  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 転移学習環境は,1-領域(光源領域)からのデータを用いて訓練された,異なるドメイン(ターゲットドメイン)からのデータに試験した機械学習アルゴリズムによって特徴づけられる。転移学習シナリオでは,ソース領域のクラス確率は目標領域のクラス確率,「ドメインクラス不均衡」と呼ばれるとは異なるかもしれない。領域クラス不均衡である「クラス不均衡」とは異なっていた。クラス不均衡は不等クラス確率を有する単一ドメインの状況を指す。伝統的な機械学習では,訓練と試験データは単磁区から引き出した。伝統的な機械学習におけるクラス不均衡の影響は良く研究されているが,移動学習の分野においてドメインクラス不均衡の問題はほとんど研究上の注目を集めている。本論文では,最先端転移学習アルゴリズムの比較性能試験を提供し,広範囲のドメインクラス不均衡の組合せを用いた。,統計的検証による,異なるアルゴリズムの相対的性能に関する詳細な議論を,異なるドメインクラス不均衡シナリオを提示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 光源 ,  ロバスト性 ,  性能試験 ,  学習アルゴリズム ,  アルゴリズム ,  *学習 ,  機械学習
準シソーラス用語： 試験データ ,  転移学習 ,  学習者 ,  *クラス不均衡 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： クラス不均衡 ,  ロバスト性 ,  学習 ,  調査