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。
アンサンブル識別トラッキングは,分類器の委員会を利用し,データサンプルをラベル付けし,次に,委員会の集団的知識を用いてターゲットを位置決めするためにトラッカーを再訓練するために使用する。委員会メンバーは,それらの特徴,メモリ更新方式または訓練データにおいて変化することができたが,しかし,それらのバージョン空間における大きな重なりのために,過度に一致する委員会メンバーを持つことは避けられなかった。この冗長性を除去し,効果的なアンサンブル学習を行うために,最小オーバーラップを持つバージョン空間をカバーする,互いに異なる一貫した仮説を含むことが,委員会にとって重要である。本研究では,人工訓練の効率的な集合を生成することにより,多様な委員会を直接生成するオンラインアンサンブル追跡装置を提案した。人工データは,ターゲットとバックグラウンドの両方から採取したサンプルの経験的分布からサンプリングされるが,プロセスは,分類器間の重なりを縮小するために,質問ごとに支配される。実験結果は,提案した方式が公共ベンチマークに関する従来のアンサンブル追跡装置より優れていることを実証した。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】
