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。
転移学習環境は,1-領域(光源領域)からのデータを用いて訓練された,異なるドメイン(ターゲットドメイン)からのデータに試験した機械学習アルゴリズムによって特徴づけられる。転移学習シナリオでは,ソース領域のクラス確率は目標領域のクラス確率,「ドメインクラス不均衡」と呼ばれるとは異なるかもしれない。領域クラス不均衡である「クラス不均衡」とは異なっていた。クラス不均衡は不等クラス確率を有する単一ドメインの状況を指す。伝統的な機械学習では,訓練と試験データは単磁区から引き出した。伝統的な機械学習におけるクラス不均衡の影響は良く研究されているが,移動学習の分野においてドメインクラス不均衡の問題はほとんど研究上の注目を集めている。本論文では,最先端転移学習アルゴリズムの比較性能試験を提供し,広範囲のドメインクラス不均衡の組合せを用いた。,統計的検証による,異なるアルゴリズムの相対的性能に関する詳細な議論を,異なるドメインクラス不均衡シナリオを提示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】