文献

J-GLOBAL ID：201802283011854967   整理番号：18A0586879

分類器の不信頼性のあるブラインド集団からの学習【Powered by NICT】

Learning from unequally reliable blind ensembles of classifiers

著者 (3件)： Traganitis Panagiotis A. (Dept. of ECE and Digital Technology Center, University of Minnesota, USA) ,  Pages-Zamora Alba (SPCOM Group, Universitat Polite`cnica de Catalunya BarcelonaTech, Spain) ,  Giannakis Georgios B. (Dept. of ECE and Digital Technology Center, University of Minnesota, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GlobalSIP  ページ： 106-110  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： パターン認識とデータ分析への関心の高まりは,多くの機械学習アルゴリズムとツールの開発に拍車をかけた。しかし,各アルゴリズムは,その長所と短所を持っているので,「最良の」を行うことを見出し,与えられたデータセットのために複数のアルゴリズムを融合賢明に動機付けられている。アンサンブル学習は,高速メタアルゴリズムを作成し,複数のアルゴリズムからの出力を組み合わせることにより目的としている。本研究では,分類器のアンサンブルからの学習のための簡単なブラインド方式を紹介し,関節行列因数分解を用いたブラインド各分類器は,訓練された観測を実施していることをグランドトルースラベルの知識を持たない結合器である。性能は,合成および実際のデータセットで評価した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  パターン認識 ,  結合器 ,  データ解析 ,  学習アルゴリズム ,  *信頼性 ,  高速度
準シソーラス用語： 行列因数分解 ,  アンサンブル学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 分類器 ,  ブラインド ,  集団 ,  学習