文献

J-GLOBAL ID：201902257026853805   整理番号：19A0516922

動的多層ネットワークによるストリーミングデータにおける不均衡なマルチクラス変化のための高速学習とテスト【JST・京大機械翻訳】

Fast Learning and Testing for Imbalanced Multi-Class Changes in Streaming Data by Dynamic Multi-Stratum Network

著者 (4件)： Thakong Mongkhon (Department of Mathematics and Computer Science, Faculty of Science, Chulalongkorn University, Bangkok, Thailand) ,  Phimoltares Suphakant (Department of Mathematics and Computer Science, Faculty of Science, Chulalongkorn University, Bangkok, Thailand) ,  Jaiyen Saichon (Department of Computer Science, Faculty of Science, King Mongkut’s Institute of Technology Ladkrabang, Bangkok, Thailand) ,  Lursinsap Chidchanok (Department of Mathematics and Computer Science, Faculty of Science, Chulalongkorn University, Bangkok, Thailand)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 10633-10648  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： いくつかの効率的な学習法がクラスドリフト状況を扱うために最近提案されているが,分類精度を劣化させる可能性のある様々なストリーミングデータアプリケーションにおいて問題が残っている。3つの重要な問題を考慮した。1)寿命とクラス変化;2)クラス間のストリーミングデータの高い不均衡比;3)未訓練データとクラス変化データの分類精度。これらの問題に対処するために,超楕円カプセルと多層ネットワークに基づく新しい動的学習構造を導入した。Irvine非概念ドリフトデータベースと実際の概念ドリフトデータにおけるCaliforniaのシミュレーション大学に関する実験結果は,提案した多層学習が他の概念ドリフトアルゴリズムより良い精度,より速い学習速度,およびより低い構造複雑性を提供することを確認した。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】

シソーラス用語： *学習 ,  ドリフト ,  アルゴリズム ,  *高速度 ,  カプセル ,  応用プログラム ,  シミュレーション ,  *多層 ,  *ネットワーク ,  データベース
準シソーラス用語： 複雑性 ,  超楕円 ,  分類精度 ,  *不均衡 ,  *ストリーミングデータ , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (6件)： 多層 ,  ストリーミングデータ ,  マルチ ,  クラス ,  学習 ,  テスト