文献
J-GLOBAL ID:202102214069701288   整理番号:21A0064218

水質異常検出におけるクラス不均衡の影響を緩和するためのアプローチの経験的比較【JST・京大機械翻訳】

Empirical Comparison of Approaches for Mitigating Effects of Class Imbalances in Water Quality Anomaly Detection
著者 (4件):
資料名:
巻:ページ: 218015-218036  発行年: 2020年 
JST資料番号: W2422A  ISSN: 2169-3536  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
不均衡クラス分布と欠測データは,水質異常検出領域における2つの一般的問題と発生である。不均衡データセットにおける学習アルゴリズムは,少数クラスを犠牲にして大多数クラスに対するバイアスにより駆動される過大な分類精度を与えることができる。他方,データの欠落値は,データ解析中の学習分類器における複雑性を誘導できる。これらの2つの問題は,実生活水質異常検出問題における学習アルゴリズムの性能に実質的な挑戦をもたらす。したがって,それらの必要性は,より優れた性能を達成するために注意深く考慮し,対処する必要がある。本論文では,二値不均衡水質異常検出問題と欠測値の存在の文脈における不均衡クラスを扱うための技法のいくつかの組合せの性能について,広範囲に比較した。考察した方法は,7つの欠測データおよび8つの再サンプリング法を含み,それらの学習phil学における多様性を考慮した10の異なる学習最先端分類器に関するものである。異なる分類器を,3つの性能評価メトリック,すなわち,精度,ROC-AUCおよびF1測度に基づいて,層状5倍交差検証を用いて評価した。さらに,最適化深層ニューラルネットワークモデルと同様に,訓練段階中に再サンプリングと欠測値戦略を埋め込んだ均一および不均一アンサンブル技法の19のバリアントについて実験を行った。実験結果は,特にクラス不均衡問題(一方では,一方では)と不完全なデータ問題(他方で)を扱うとき,学習分類器の性能の改善を示す。さらに,ニューラルネットワークモデルは,両方の問題を扱うとき,優れた性能を示した。Copyright 2021 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
パターン認識  ,  人工知能 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る