文献

J-GLOBAL ID：202002264535263844   整理番号：20A0910826

Dirichletプロセス事前を用いたBayes機械学習のための予測分布推定【JST・京大機械翻訳】

Predictive Distribution Estimation for Bayesian Machine Learning using a Dirichlet Process Prior

著者 (2件)： Rademacher Paul (U.S. Naval Research Laboratory,Radar Division,Washington, DC,USA,20375) ,  Doroslovacki Milos (The George Washington University,Department of Electrical and Computer Engineering,Washington, DC,USA,20052)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IEEECONF  ページ： 1941-1945  発行年： 2019年 
JST資料番号： W2441A  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： 機械学習のBayes処理において,推定器/分類器の成功または失敗は,設計者によって選択された事前分布が,実際のデータ生成モデルにどのように適合するかについて,hingesする。本論文は,モデル分布がDirichlet過程の実現であり,訓練データを用いて近似された真の予測分布と予測分布の間の不整合を評価すると仮定した。以前の平均が真の分布と良く一致するとき,高度に局在化したDirichlet priorが限られた訓練集合の負担を克服できることを示した。しかし,整合が悪い場合には近似を劣化させる。バイアス/分散トレードオフを例示例で実証した。Copyright 2020 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： 不整合 ,  バイアス ,  *機械学習
準シソーラス用語： 訓練データ ,  事前分布 ,  Dirichlet過程 ,  *分布推定 ,  データ生成 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： プロセス ,  機械学習 ,  予測 ,  分布推定