文献

J-GLOBAL ID：201802244157108165   整理番号：18A2079670

CBRコストモデルにおける知識保持のための学習法【JST・京大機械翻訳】

Learning method for knowledge retention in CBR cost models

著者 (4件)： Ji Sae-Hyun (Institute of Construction and Environmental Engineering, Seoul National University, Seoul 08826, Republic of Korea) ,  Ahn Joseph (Division of Architecture, Civil and Environmental Engineering, Hoseo University, Asan 31499, Republic of Korea) ,  Lee Eul-Bum (Graduate Institute of Ferrous Technology, POSTECH, Pohang 37673, Republic of Korea) ,  Kim Yonggu (Graduate Institute of Ferrous Technology, POSTECH, Pohang 37673, Republic of Korea)
資料名： Automation in Construction  (Automation in Construction)
巻： 96  ページ： 65-74  発行年： 2018年 
JST資料番号： W0491A  ISSN： 0926-5805  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： 事例ベース推論方法論は,基本的に新しい問題を解決するための歴史的事例に依存している。適切な値の再現による不十分なデータの補完は,突然の変化から生じる解に対する潜在的な負の影響を緩和することができる。しかし,CBR研究者はこの問題をほとんど調べていない。この挑戦に取り組むために,本研究では,欠落したデータセット値を管理するためにデータマイニング手法を適用することにより,CBRに基づく知識保持のための学習法を提案した。提案した学習法の推定精度を,同じ実験条件による過去の研究と比較するために,164集合プロジェクトに関する事例研究を行った。CBRモデルによる学習方法は,以前のモデルと比較して全体のコスト推定とより高い安定性のより高い精度を達成した。本研究は,事例が連続的に更新される必要がある理由と同様に,広い範囲の建設プロジェクトにおける連続更新の困難性を克服するための学習事例として,どのように事例が生成され,保持されるかを示した。研究成果は,学界と産業の両方において初心者から専門家までの意思決定者のためのコスト推定に関連する研究を支援することができた。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： *学習 ,  データマイニング ,  事例研究 ,  意思決定者 ,  事例ベース推論
準シソーラス用語： 初心者 ,  建設プロジェクト ,  学習方法 ,  推定精度 ,  コストモデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 学習法 ,  知識保持 ,  事例ベース推論 ,  建設コスト評価

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： CBR ,  コストモデル ,  知識