文献

J-GLOBAL ID：201802230376574289   整理番号：18A1681364

multiclassサポートベクトルマシンを用いたDAGSの学習【JST・京大機械翻訳】

Learning Dags using Multiclass Support Vector Machines

著者 (2件)： Nikolay Fabio (Communication Systems Group, Technische Universitaet Darmstadt, Germany) ,  Pesavento Marius (Communication Systems Group, Technische Universitaet Darmstadt, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SSP  ページ： 75-79  発行年： 2018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： 本論文では,測定二重ノックアウト(DK)データの基礎となる遺伝的相互作用ネットワークを学習する問題を考察した。[3]の生物学的システムモデルに基づいて,著者らは,DKデータの基礎となる遺伝的相互作用ネットワークの高い予測精度をもたらすマルチクラスSVMアプローチを提案し,一方,大規模な遺伝子に対するネットワークトポロジーを推定することができた。ベンチマークとして最近提案されたGENIE法を用いた合成データシミュレーションにより,提案したマルチクラスSVMアプローチの性能を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 生体系 ,  シミュレーション ,  遺伝子 ,  型ばらし ,  ネットワーク ,  ベンチマーク ,  *サポートベクトルマシン
準シソーラス用語： ネットワークトポロジー ,  予測精度 ,  遺伝子相互作用 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： サポートベクトルマシン ,  学習