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。
異常値検出問題に触発されて,有限アルファベット上の既知のi.i.d.分布の試験の問題と同じアルファベット上の他の全てのi.i.d.分布から成る複合仮説を考察した。簡単な仮説試験に関する損失を定量化し,さらに未知の分布に由来していることが知られている訓練シーケンスを用いた回復できるのか見出すことを目指した。目的を達成するために,新しい最適性基準,訓練配列のない普遍的ミニマックスを提示した。基準の下で,最適試験の受容領域は「タイプの球」の簡単な形をとることを示し,中心はトレーニング系列(このような配列が存在する場合)のタイプ「対蹠」にシフトした。さらに,普遍性は指数関数的意味でコストを持たないこと,固定誤差確率の第二近似解領域に,著者らは分解能トレードオフと呼ぶ性能指数を定義した。この領域では,Gauss性仮説検定問題,元のものに漸近的に等価であることを解決,訓練配列を持たない分解能トレードオフを導出した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】