文献

J-GLOBAL ID：201802241578224727   整理番号：18A0352928

深部ニューラルネットワークを用いた費用高感度シーケンシャル3方向意思決定モデリング【Powered by NICT】

Cost-sensitive sequential three-way decision modeling using a deep neural network

著者 (4件)： Li Huaxiong (Department of Control and Systems Engineering, School of Management and Engineering, Nanjing University, Nanjing, 210093, China) ,  Zhang Libo (Department of Control and Systems Engineering, School of Management and Engineering, Nanjing University, Nanjing, 210093, China) ,  Zhou Xianzhong (Department of Control and Systems Engineering, School of Management and Engineering, Nanjing University, Nanjing, 210093, China) ,  Huang Bing (School of Technology, Nanjing Audit University, Nanjing, Jiangsu, 211815, PR China)
資料名： International Journal of Approximate Reasoning  (International Journal of Approximate Reasoning)
巻： 85  ページ： 68-78  発行年： 2017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： 三方向意思決定(3WD)モデルは近似推論と意思決定の場で広く研究されている。最近,逐次3WDモデルは関心,特に画像データ解析であった。逐次3WDベース画像データ解析のための適切な特徴抽出と造粒法を選ぶことが重要である。の現存する特徴抽出手法の中で,ディープニューラルネットワーク(DNNs)表現のための強力な能力のために広く検討されてきた。しかし,いくつかの重要な問題を,逐次3WDにDNNベース特徴抽出法の応用に影響する。第一に,それは最適な特徴表現を得るためにDNNの長い時間を要する。第二に,最もDNNアルゴリズムはコストブラインド法であり,それらは全ての誤分類のコストは同じと仮定し,それは実世界シナリオの例ではない。第三に,DNNアルゴリズムは二方向意思決定モデルであり,十分な情報が利用できない場合に,境界決定を提供できない。これらの問題に取り組むために,筆者らはDNNベース逐次粒状特徴抽出法,入力画像からの階層的粒状構造を順次抽出することを提案した。逐次マルチレベル粒状特徴に基づいて,異なる決定相における誤分類コストとテストコストを考慮した提示したコスト逐次3WD戦略。実験解析は,3WDの提案した逐次DNNベース特徴抽出法の有効性を検証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高感度 ,  アルゴリズム ,  データ解析 ,  特徴抽出 ,  *意思決定 ,  *モデリング ,  造粒 ,  画像
準シソーラス用語： マルチレベル ,  意思決定モデル ,  特徴表現 ,  近似推論 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： コスト重視学習 ,  ディープニューラルネットワーク ,  粒状計算 ,  3方向意思決定

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 深部ニューラルネットワーク ,  費用 ,  高感度 ,  シーケンシャル ,  3方向 ,  意思決定 ,  モデリング