文献

J-GLOBAL ID：201802224909409482   整理番号：18A0722400

レーシングアルゴリズムによる部分データ問合せ【JST・京大機械翻訳】

Partial data querying through racing algorithms

著者 (4件)： Nguyen Vu-Linh (UMR CNRS 7253 Heudiasyc, Sorbonne Universites, Universite de Technologie de Compiegne, CS 60319 - 60203 Compiegne cedex, France) ,  Destercke Sebastien (UMR CNRS 7253 Heudiasyc, Sorbonne Universites, Universite de Technologie de Compiegne, CS 60319 - 60203 Compiegne cedex, France) ,  Masson Marie-Helene (UMR CNRS 7253 Heudiasyc, Sorbonne Universites, Universite de Technologie de Compiegne, CS 60319 - 60203 Compiegne cedex, France) ,  Masson Marie-Helene (Universite de Picardie Jules Verne, France)
資料名： International Journal of Approximate Reasoning  (International Journal of Approximate Reasoning)
巻： 96  ページ： 36-55  発行年： 2018年 
JST資料番号： T0476A  ISSN： 0888-613X  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： 本論文では,不正確な特徴や不正確なクラスラベルによって特徴付けられるインスタンスから能動的に学習する問題を研究し,そこでは,積極的に学習することによって,不正確に特定されたデータの正確な値を質問する可能性を理解する。後者では,データが完全に正確であるか完全に欠落しているという事実により古典的な能動学習と異なり,一方,著者らの場合には部分的に特定することができる。このような状況は,センサ誤差が符号化するのに重要であるか,あるいは専門家がデータをタグ付けするときに可能なラベルの部分集合のみを特定する場合に現れる。任意のモデルに原理的に適用できる一般的な能動学習技術を提供した。それは,いくつかのモデルが互いに競合しているレーシングアルゴリズムから触発されている。著者らの方法の主なアイデアは,競争におけるウィニングモデルの同定において最も有用な質問を同定することである。著者らのアプローチの一般的アイデアを議論し,定式化した後に,区間値特徴と設定値ラベルの場合における二値SVMの特別な事例を研究することにより,それを例証した。実験結果は,他のベースラインと比較して,レーシングアルゴリズムが,特に不正確な特徴のケースにおいて,学習プロセスにおける不確実性のより速い低減を提供することを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 基準線 ,  *不確実性 ,  定式化 ,  部分集合 ,  符号化 ,  センサ
準シソーラス用語： 学習過程 ,  目標値 ,  タグ付 ,  能動学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 部分データ ,  区間値データ ,  集合値ラベル ,  データ問合せ ,  アクティブ学習 ,  レーシングアルゴリズム

分類 (4件)： システム・制御理論一般  (IA02010H) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  数理計画法  (KA03030M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 問合せ