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。
統計データの不確実性,非線形性,および結合問題を解決するため,Bayesサポートベクトルマシン(BSVM)を提案して,それらの開発トレンドを予測した。ここで,データの不確実性を,正規分布によるBSVM重みづけと記述した。事前確率とBayes理論に基づき,BSVMのパラメータ評価を後部分布のパラメータ最適化に変換して,それを,事前確率とBayes理論によって入手することができた。ンゼロベクトル相補的サポートベクトルマシンとして選択し,時系列に基づく多重次元予測モデルとそのパラメータ分布を確立した。BSVMの入力をそれぞれの反復プロセスの確率変数と見なし,BSVMの出力を不確実性移転によって獲得することができた。BSVMが確率変数とその転送の影響を記述することができるので,不確実性と依存性の影響を克服することができ,予測結果が実際の条件に接近した。応用によって,BSVMに基づくハイテク企業発展の予測が,高精度かつロバスト性の実際の状況に接近できることを示した。Data from the ScienceChina, LCAS. Translated by JST
