文献

J-GLOBAL ID：201802228579646848   整理番号：18A0162622

ノイズの多いデータからの非環式条件付優先ネットワークのオンライン学習【Powered by NICT】

Online Learning of Acyclic Conditional Preference Networks from Noisy Data

著者 (5件)： Labernia Fabien ,  Zanuttini Bruno ,  Mayag Brice ,  Yger Florian ,  Atif Jamal
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDM  ページ： 247-256  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： データストリームからの非環状条件付き選好ネットワーク(CP-nets)のオンライン学習を用いた,雑音を有する可能性のある破損した。(i)誘導選好ルール上で定義された情報理論的測度,理にかなった方法で破損したデータを処理することを可能にする,および(ii)学習ネットワークを更新するための最良条件変数を選択するための漸近的に最適な決定基準を定義するためのHoeffding限界に基づく新しい,効率的なアルゴリズムを導入した。これは雑音の存在下でのCP-netsのオンライン学習を扱う最初のアルゴリズムである。アルゴリズムの完全な理論解析を提供し,合成および実データ集合上での実験評価によりその有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  情報理論 ,  *雑音 ,  アルゴリズム ,  測度 ,  *ネットワーク
準シソーラス用語： 実験評価 ,  理論解析 ,  環状 ,  データストリーム ,  *オンライン学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ノイズ ,  環 ,  条件付 ,  優先 ,  オンライン学習