文献

J-GLOBAL ID：201702228123850007   整理番号：17A1130411

データ分布の特性記述可能変化をもつ問題に対するアンサンブルを用いた:定量化に関する事例研究【Powered by NICT】

Using ensembles for problems with characterizable changes in data distribution: A case study on quantification

著者 (3件)： Perez-Gallego Pablo (Artificial Intelligence Center, University of Oviedo, Gijon, Spain) ,  Quevedo Jose Ramon (Artificial Intelligence Center, University of Oviedo, Gijon, Spain) ,  del Coz Juan Jose (Artificial Intelligence Center, University of Oviedo, Gijon, Spain)
資料名： Information Fusion  (Information Fusion)
巻： 34  ページ： 87-100  発行年： 2017年 
JST資料番号： W3167A  ISSN： 1566-2535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： アンサンブル法は,教師つき学習タスクに適用されている。簡単な戦略に基づいてそれらはしばしば良好な性能を達成し,アンサンブルから成る単一モデルは多様である。多様性は各モデルの異なる訓練サンプルを作成することにより,アンサンブルに導入できる。その場合,各モデルは元の訓練集合分布とは異なっている可能性があることをデータ分布を用いて訓練される。という考えに続き,集団は問題に特に適切であることができるという仮説を解析(i)分布の変化の影響を受け,(ii)あらかじめそれらの変化を特性化することが可能である。アイデアは,期待分布変化に基づいており,それらの各々をもつ一モデルを訓練するために異なる訓練サンプルを生成する。事例研究として,二元定量化問題に焦点を当て,二つの良く知られた定量アルゴリズムのためのアンサンブルバージョンを導入した。実験結果は,これらのアンサンブル適応は元の対応アルゴリズムより優れていることを示し,自明な凝集則を用いた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： キャラクタリゼーション ,  *事例研究 ,  アルゴリズム ,  凝集 ,  教師つき学習
準シソーラス用語： アンサンブル法 , 【Automatic Indexing@JST】

著者キーワード (3件)： 分布変化 ,  アンサンブル ,  定量化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 分布 ,  記述 ,  アンサンブル ,  定量化 ,  研究