文献

J-GLOBAL ID：201802278128215693   整理番号：18A1862506

多重ソース回帰モデルのためのBayesキャリブレーション【JST・京大機械翻訳】

Bayesian calibration for multiple source regression model

著者 (3件)： Ignatyev Dmitry I. (School of Aerospace, Transport and Manufacturing, Cranfield University, Cranfield MK43 OAL, UK) ,  Shin Hyo-Sang (School of Aerospace, Transport and Manufacturing, Cranfield University, Cranfield MK43 OAL, UK) ,  Tsourdos Antonios (School of Aerospace, Transport and Manufacturing, Cranfield University, Cranfield MK43 OAL, UK)
資料名： Neurocomputing  (Neurocomputing)
巻： 318  ページ： 55-64  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 種々のソースまたは異なる種類のデータからの情報を用いることは,多くの実用的応用において,合理的な需要である。複数のソースデータを研究する問題は,マルチタスク学習問題として表現することができて,次に,ひとつの供給源からの情報は,共有した一般的構造を抽出することによって,他の供給源からの情報を研究することを助けることができた。一方,様々なソースから得られたパラメータ評価は混乱し,矛盾する。本論文では,異なるソースから得られたデータを較正し,多重ソースモデルの不均一性の存在下で非線形回帰問題を解くためのBayesベース手法を提案した。実装のための効率的なアルゴリズムを開発した。解析とシミュレーション研究を用いて,提案したBayes較正がアルゴリズムの収束速度とモデルの精度を改善することを示した。理論的結果を合成例により支持し,現実世界の問題,すなわち,航空機の非定常ピッチングモーメント係数をモデル化し,それに対して,再帰ニューラルネットワークを構築した。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： *多重化 ,  計算機シミュレーション ,  パラメータ推定 ,  *回帰モデル ,  不均一性 ,  ニューラルネットワーク ,  モデリング ,  *モデル ,  アルゴリズム ,  航空機
準シソーラス用語： ピッチングモーメント係数 ,  非定常性 ,  収束速度 ,  線形回帰 ,  マルチタスク学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 多重ソースデータ ,  マルチタスク学習 ,  異分散性 ,  Bayesキャリブレーション ,  正則化 ,  非線形回帰

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 多重 ,  ソース ,  回帰モデル ,  キャリブレーション