文献

J-GLOBAL ID：201702246211346465   整理番号：17A0274670

凸基本形状組成による解釈可能な機械学習【Powered by NICT】

Interpretable machine learning via convex cardinal shape composition

著者 (1件)： Varshney Kush R. (Mathematical Sciences Department, IBM Thomas J. Watson Research Center, Yorktown Heights, New York 10598, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Allerton  ページ： 327-330  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： 安全性の理由から,モデルの解釈可能性は,予測は,人間意思決定者を支援するために使用されている教師つき分類の応用において重要である。本論文では,一般的な機械学習問題に,画像処理およびコンピュータビジョン文献画像セグメンテーションのための開発された新しい方法,基本形状組成を拡張した。変態は,形状辞書上での計算的に扱いやすいl_1正則化されたヒンジ損失最適化をもたらした。このアプローチは,決定境界を構成し辞書における原子形状を適切に選択することでヒトの解釈可能なモデルを得た。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： ヒト ,  意思決定者 ,  正則化 ,  *機械学習 ,  画像処理 ,  ヒンジ ,  安全性 ,  コンピュータビジョン ,  最適化 ,  *凸形
準シソーラス用語： 画像セグメンテーション , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 凸 ,  組成 ,  機械学習