抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
反復機械学習(ML)(例えば神経回路網に基づく教師つき学習とk-平均クラスタリング)は日常生活でより普遍的になるので,リアルタイム意思決定を支援するのに迅速に完全なモデルの訓練にますます重要になっている,MLタスクの利益に重要であることを高いモデル精度(例えば,低予測誤差)を達成する。精度重要な入力データの小さな割合は多数の反復ML適用におけるモデル精度の大部分に寄与することができるという観察に触発されて,本論文では,最も精度関連入力データに限られた時間予算をかけたモデルの精度を最大にするよう,系ミドルウェアを紹介した。これを達成するために,提案アプローチでは,入力データを類似点の複数部分に迅速な方法を採用し,集約されたデータ点を用いて,各部分を表している。これらの点を用いて,迅速に異なる部分とモデル精度の間の相関を推定し,最初の最も精度関連部品を処理するためにML作業可能にした。火花に及ぼす二種の一般的な教師つきおよび教師なしMLアルゴリズムを用いて提案アプローチを導入し,短いデッドライン下で高いモデル精度を提供するその利点を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】