文献

J-GLOBAL ID：202002249220051793   整理番号：20A0478807

データストリーミングにおける新しいドリフト検出法としてのダイバーシチ測度【JST・京大機械翻訳】

Diversity measure as a new drift detection method in data streaming

著者 (4件)： Mahdi Osama A. (Computer Science and Information Technology, La Trobe University, Australia) ,  Pardede Eric (Computer Science and Information Technology, La Trobe University, Australia) ,  Ali Nawfal (Faculty of Information Technology, Monash University, Australia) ,  Cao Jinli (Computer Science and Information Technology, La Trobe University, Australia)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 191  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： データストリームマイニングは,センサネットワーク,バンキング,および通信のような広範囲のアプリケーションにおける利用により,注目を集めている重要な研究課題である。データストリームマイニングに影響する重大で挑戦的な問題は,概念ドリフトである。この問題は,入力データと目標変数の間の関係が時間とともに変化するときに起こる。しかし,いくつかの概念ドリフト検出法が提案されている。それらは,メモリまたは実行時間に関して高いコストを受けるか,またはそれらは検出速度に関して十分に高速ではない。本研究では,新しいドリフト検出法(DMDDM)と呼ばれる多様性測度と呼ばれる方法を提案した。これは,より少ない時間で,より少ないメモリ消費で,急速に概念ドリフトに反応する。提案した方法は,Page-Hinkley試験によるストリーミングシナリオにおける静的学習から知られている多様性測度の一つを結合し,ドリフトを検出するためにこれらの計算を用いる。提案した方法を,いくつかのデータセットを用いて,異なるドリフトシナリオにおける10のドリフト検出法と実験的に比較した。実験結果は,提案した方法が,メモリと実行時間に関して最小の消費を有するほとんどの比較方法より速く概念ドリフトを検出することができることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ダイバーシチ通信 ,  応用プログラム ,  *検出法 ,  *測度 ,  学習 ,  記憶装置 ,  *ドリフト ,  *ストリーミング ,  センサネットワーク
準シソーラス用語： 実行時間 ,  データストリーム ,  データストリーミング , 【Automatic Indexing@JST】

著者キーワード (5件)： 概念ドリフト ,  多様性測度 ,  不一致測度 ,  データストリームマイニング ,  非定常環境

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： データストリーミング ,  ドリフト ,  検出法 ,  ダイバーシチ ,  測度