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。
X CS SACと呼ばれる分散ベース学習分類子システム,二つの異なる抽象化レベル規則(すなわち分類器)を抽出するためにを拡張した。X CS SACは,一般性を,それら自身のパラメータに依存する分類器を進化させるために試みたので,このような試みは多くの特定分類器(即ち少ない#の分類器)を生成をもたらした。不適切な一般化のために,分類器のいくつかは人間に理解可能ではないかもしれない。この問題を克服するために,LCSは,与えられた問題の傾向を理解するために,特異的および一般的な規則は,わずか二個の異なる抽象化レベルルールの抽出に焦点を当てた。具体的には,特定のルールは限られた状況で利用されているだけであるが,それらは非常に高精度であるが,一般的な規則は広く利用可能であるが,それらは正確ではない。実験結果は,著者らのLCSはX CS SACと比較して適切に特異的および一般的な両規約を抽出するために成功したことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】