文献

J-GLOBAL ID：201902241773731521   整理番号：19A0525263

データによる推論モデリングと意思決定【JST・京大機械翻訳】

Inferential modelling and decision making with data

著者 (2件)： Yang Jian-Bo (Decision and Cognitive Sciences Research Centre, The University of Manchester, Manchester M13 9SS, UK, Key Laboratory of Process Optimization and Intelligent Decision-making, Ministry of Education, Hefei, China) ,  Xu Dong-Ling (Decision and Cognitive Sciences Research Centre, The University of Manchester, Manchester M13 9SS, UK, Key Laboratory of Process Optimization and Intelligent Decision-making, Ministry of Education, Hefei, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICAC  ページ： 1-6  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： 本論文では,異なるタイプの不確実性の下でのデータ駆動推論モデリングと意思決定のための新しい最大尤度証拠推論(MAKER)フレームワークの主な概念を紹介した。それは,システム入力と出力の間の関係を反映するデータによって駆動される,状態空間モデル(SSM)と証拠空間モデル(ESM)の2つのタイプのモデルから成る。SSMを構築し,異なるシステム状態と変化を記述した。ESMは,システム状態集合を示す証拠要素に分割される証拠の集合にデータをマッピングすることにより確立され,確率論的および分散的にシステム挙動を表現する。証拠の信頼性と一対の証拠間の相互依存性を明確に測定した。それは,異なる程度の相互依存性と信頼性を有する証拠の複数の部分がシステム入力から獲得され,推論システム出力に結合されるという結合証拠状態空間にある。一般的な最適学習モデルを構築した。そこでは,証拠信頼性は,真の状態の尤度を最大化することにより,歴史的データから学習できる。MAKERフレームワークにおいて,異なるタイプの不確実性を,推論モデリング,確率的予測および意思決定のために考慮することができた。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *意思決定 ,  学習モデル ,  信頼性 ,  *モデリング ,  不確実性 ,  確率論 ,  予測 ,  最尤法
準シソーラス用語： 尤度 ,  状態空間 ,  相互依存性 ,  空間モデル ,  状態空間モデル ,  証拠推論 ,  データ駆動 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 推論 ,  モデリング ,  意思決定