文献

J-GLOBAL ID：202002223130600593   整理番号：20A1999034

増分的に更新可能なアンサンブル学習者【JST・京大機械翻訳】

An incrementally updateable ensemble learner

著者 (4件)： Karanikola Aikaterini (University of Patras, Rio, Greece) ,  Karlos Stamatis (University of Patras, Rio, Greece) ,  Kazllarof Vangjel (University of Patras, Rio, Greece) ,  Kotsiantis Sotiris (University of Patras, Rio, Greece)
資料名： ACM Proceedings  (ACM Proceedings)
号： PCI ’18  ページ： 243-248  発行年： 2018年 
JST資料番号： D0698C  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： 学習者のアンサンブルは,多様な学習者の集合を用いて,それらの出力を組み合わせるという考えに基づき,一般に,時間において単一アルゴリズムを使用するよりも,より良い性能が得られる。一方,インクリメンタル学習(IncL)は,得られた知識を拡張する事実を利用し,スクラッチからそれを生産するよりも時間と資源消費が少ない。この概念に対して,インクリメンタル学習者は,既存のモデルをさらに訓練し,調整するために入力データを使用し,むしろ,それらを開始から再訓練する。前述のアプローチの両方が多くの利点を持ち,研究者間の有望な技術としてそれらを確立した。本研究では,IncLとEnsemble理論の両方の利点を維持する増分更新可能アンサンブル学習者を提案した。提案方法の効率を証明するために,32のデータセットに関する一連の厳密な実験を実行して,採用したテストケースがマルチクラス問題だけに関して,分類精度の計量とCohenのカッパスコアを測定した。著者らの結果を,それを構成する個々の学習者を含む5つの最先端の手法に対して,提案アルゴリズムの平均性能と統計的独立性を表すいくつかの説明と共に,提供し,さらに論じた。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  機械学習
準シソーラス用語： *アンサンブル学習 ,  *学習者 ,  分類精度 ,  テストケース ,  インクリメンタル学習 ,  スクラッチ ,  入力データ , 【Automatic Indexing@JST】

著者キーワード (5件)： アンサンブル学習者 ,  増分学習 ,  機械学習 ,  マルチクラス学習者 ,  投票方式

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 (3件)： 増分 ,  更新 ,  アンサンブル学習