文献

J-GLOBAL ID：202102214843686044   整理番号：21A0538273

小データモデリング問題のためのモンテカルロおよびカーネル密度推定に基づく仮想サンプル生成法【JST・京大機械翻訳】

A Monte Carlo and Kernel Density Estimation based virtual sample generation method for small data modeling problem

著者 (4件)： Zhu Qun-Xiong (Beijing University of Chemical Technology,College of Information Science and Technology,Beijing,China) ,  Wang Zhi-Hui (Beijing University of Chemical Technology,College of Information Science and Technology,Beijing,China) ,  He Yan-Lin (Beijing University of Chemical Technology,College of Information Science and Technology,Beijing,China) ,  Xu Yuan (Beijing University of Chemical Technology,College of Information Science and Technology,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CAC  ページ： 1123-1128  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)

抄録/ポイント： 初期工業生産において,限られた資源のために,企業は,資源と資金の廃棄物を減らすために,生産状態と製品品質を分析するために限られたデータを使用する必要がある。これは高精度のモデルの構築を必要とする。少量のデータのため,小サンプルに基づくモデルの精度は低い。サンプルデータ量を拡大する有効な方法で,サンプルデータ間の情報間隔に従って,仮想サンプルを生成する技術がしばしば用いられる。サンプル出力変数による分布に基づく新しいカーネル密度推定を提案した。モンテカルロサンプリングを用いて試料分布間のギャップを埋め,試料の均一分布を実現した。Bagging-RBFニューラルネットワークとコウモリアルゴリズム(BA)を組み合わせて,有効な仮想サンプルを生成した。2つの実験,MLCCとPTAは,仮想サンプルがより効果的であることを示す。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： *モンテカルロ法 ,  ニューラルネットワーク ,  廃棄物 ,  製品品質 ,  工業生産
準シソーラス用語： 一様分布 ,  高精度 ,  *カーネル推定 ,  モンテカルロサンプリング , 【Automatic Indexing@JST】

分類 (5件)： 医用画像処理  (JE04020T) ,  符号理論  (ND02030R) ,  NMR一般  (BM07041R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： データモデリング ,  問題 ,  モンテカルロ ,  カーネル密度推定 ,  仮想 ,  サンプル