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。
Random Forestsのオンライン学習法であるMondrian Forestsは,学習時に,木構造全体を再構築するのではなく,学習済みデータと追加データの差異に基づいて更新が必要と判定された任意のノードのみを更新することで,計算コストを抑えた効率の良いオンライン学習を実現している。しかし,Mondrian Forestsは学習時に教師ラベルを用いないため,不要なノードを追加することがあり,木構造が肥大化し,木構造の構築に必要なメモリ量が増加する問題がある。本研究では,オンライン学習であるMondrian Forestsの効率的なフレームワークに,教師あり学習を導入し,木構造の構築に必要なノード数を削減することで,メモリ量を抑えた効率的な学習法を提案する。提案手法では,教師ラベル情報を用いた分岐関数の設計とノードの追加判定を導入する。評価実験により,提案手法は従来法と比較してノード数を約68%削減できることを確認した。(著者抄録)