文献

J-GLOBAL ID：201902284687958682   整理番号：19A0510745

統計的データ駆動モデリングのための専門知識ルールの活用【JST・京大機械翻訳】

Exploiting Expertise Rules for Statistical Data-Driven Modeling

著者 (3件)： Jian Ling (College of Science, China University of Petroleum, Qingdao, China) ,  Li Jundong (Department of Computer Science, Arizona State University, Tempe, AZ, USA) ,  Luo Shihua (School of Statistics, Jiangxi University of Finance and Economics, Nanchang, China)
資料名： IEEE Transactions on Industrial Electronics  (IEEE Transactions on Industrial Electronics)
巻： 64  号： 11  ページ： 8647-8656  発行年： 2017年 
JST資料番号： C0234A  ISSN： 0278-0046  CODEN： ITIED6  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： 複雑な産業プロセスのような様々な実世界応用は,データ取得プロセスが時間と労力を消費するので,通常,豊富な訓練サンプルが不足している。したがって,産業生産性を改善する可能性がある洗練されたデータ駆動モデルを構築するために,限られた訓練サンプルを利用することが重要である。最近,人工ニューラルネットワークやサポートベクトルマシンのような非線形学習モデルが,それらの強いモデリング能力により小規模データをモデル化するのに有効であることが示されている。しかし,これらの非線形学習モデルはブラックボックスとして機能し,しばしば人間の理解できず,解釈が困難である。さらに,多くの応用において,ドメイン専門家は,モデリングプロセスをさらに改善する助けとなる価値ある専門知識を提供することができた。本論文では,実世界アプリケーションにおけるデータ駆動モデリングプロセスを前進させるために,非線形学習モデルに専門知識を統合することを提案した。6つのベンチマークデータセットと実世界産業応用に関する実験結果は,提案したモデルの有効性を検証した。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】

シソーラス用語： ニューラルネットワーク ,  モデル ,  ブラックボックス ,  サポートベクトルマシン ,  統計データ ,  学習モデル ,  *モデリング ,  応用プログラム ,  ベンチマーク ,  有効性 ,  データ収集
準シソーラス用語： 産業応用 ,  *データ駆動 ,  *専門知識 , 【Automatic Indexing@JST】

分類 (2件)： 電動機  (NB07030U) ,  増幅回路  (NC05040U)

タイトルに関連する用語 (5件)： 統計的データ ,  モデリング ,  専門知識 ,  ルール ,  活用