文献

J-GLOBAL ID：201702253138333752   整理番号：17A1174906

構造化された専門家判断の古典的モデルのための交差検証【Powered by NICT】

Cross validation for the classical model of structured expert judgment

著者 (5件)： Colson Abigail R. (Center for Disease Dynamics, Economics & Policy, Washington, DC, USA) ,  Colson Abigail R. (University of Strathclyde, Glasgow, UK) ,  Cooke Roger M. (Resources for the Future, Washington, DC, USA) ,  Cooke Roger M. (University of Strathclyde, Glasgow, UK) ,  Cooke Roger M. (TU Delft (ret), Delft, The Netherlands)
資料名： Reliability Engineering & System Safety  (Reliability Engineering & System Safety)
巻： 163  ページ： 109-120  発行年： 2017年 
JST資料番号： D0980B  ISSN： 0951-8320  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 他エキスパート凝集モデルに比較してその性能を評価するために2006と2015年3月間行われた33の専門的に発症した古典的モデル研究からのデータと2008TU Delft構造化された専門家判断データベースを更新した。代替数学的集約方式,高調波重みづけをレビューし,等しい重みと重みを持つ専門家の判断の線形プーリングに焦点を当てた。性能重みづけは33研究サンプル内の1を除く全ての等しい重みづけより性能が優れている。真のout of sample検証は古典的モデル研究の可能性のある稀であると,訓練および試験セットにキャリブレーション問題を分解することを交差検証技術を代わりに用いた。性能重みづけは「サンプル外ペナルティ」を招き,その統計的精度サンプルが等しい重みのそれより低かった。しかし,訓練セットサイズの関数として,訓練セットを較正変数の80%を含む場合に性能ベースの組合せの統計的精度は,等重量値の75%に達した。この点で訓練セットは,個々のエキスパート性能の違いを解像するのに十分強力である。トレーニングセットは較正変数のセットの少なくとも50%のとき,性能ベースの組合せの情報が等しい重みのそれの2倍である。以前のout of sample検証研究は,キャリブレーション問題のすべての分割訓練及びテスト用の部分集合に基づく全サンプル外妥当性指標,計算するための高価なを用いて疑わしい値の少数の訓練集合を含む代替として,キャリブレーションセットの80%ですべての訓練集合上の統計的精度と情報の積の平均化に基づくサンプル外妥当性指標を提案した。性能重みづけは33後2006研究の26のサンプル外妥当性指標に等しい重みづけより性能が優れている性能重みづけ間の差はなかった,および同等重みづけ)が0.001の場合26以上の確率は33試験に成功。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： データベース ,  線形性 ,  *構造形成 ,  集中化 ,  ペナルティ ,  *モデル ,  高調波 ,  部分集合 ,  凝集 ,  重みづけ

著者キーワード (5件)： エキスパート判断 ,  キャリブレーション ,  情報 ,  古典的モデル ,  のサンプル検証

分類 (2件)： 信頼性  (KB04040H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： モデル ,  交差 ,  検証