安全:産業タスクのためのスケーラブルな自動特徴工学フレームワーク【JST・京大機械翻訳】

Shi Qitao; Zhang Ya-Lin; Li Longfei; Yang Xinxing; Li Meng; Zhou Jun

文献

J-GLOBAL ID：202002282906734827 整理番号：20A1244134

安全:産業タスクのためのスケーラブルな自動特徴工学フレームワーク【JST・京大機械翻訳】

SAFE: Scalable Automatic Feature Engineering Framework for Industrial Tasks

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A1244134&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1244134&from=J-GLOBAL&jstjournalNo=W2441A") }}

著者 (6件)： , , , , ,
資料名：
巻： 2020 号： ICDE ページ： 1645-1656 発行年： 2020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)

機械学習技術は,本質的な駆動力として作用する様々なタスクのためにインターネット企業に広く適用されており,機械学習システムを構築する際には,特徴工学は一般的に重要な役割を果たしている。最近,自動的な特徴工学法の開発に向けての努力がなされているので,実質的で面倒な人手の努力が解放される。しかし,産業作業に対しては,これらの方法の効率とスケーラビリティはまだ満足できるものではない。本論文では,SAFE(Scalable Automic Feature Engineering)と名付けた段階的手法を提案した。これは,必要な解釈可能性と有望な性能に加えて,優れた効率とスケーラビリティを提供できる。広範な実験を行い,結果は,提案方法が他の方法と比較するとき,顕著な効率と競争的有効性を提供できることを示した。さらに,提案方法の適切なスケーラビリティは,それを大規模産業作業において展開することを確実にした。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】

, , ,
, 【Automatic Indexing@JST】

図形・画像処理一般

, , ,

前のページに戻る