文献

J-GLOBAL ID：202102255942987023   整理番号：21A0069696

分割:より詳細な意味情報を持つデータ集合分割を用いた教師付き学習のための一般的改善アプローチ【JST・京大機械翻訳】

Divideup: A Generic Improvement Approach for Supervised Learning Using Dataset Partition with Finer Semantical Information

著者 (2件)： Zhang Xinyue (East China Normal University,Shanghai Key Laboratory of Trustworthy Computing,Shanghai,China) ,  Li Qin (East China Normal University,Shanghai Key Laboratory of Trustworthy Computing,Shanghai,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 635-641  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： ニューラルネットワークによって代表される監督学習技術は,多くの分野で大きな進歩を遂げた。特に,画像認識や自然言語処理などのアプリケーションでは,データに関する意味情報やドメイン知識を考慮せずに,特徴空間から期待出力までのマッピングを直接学習するために,機械学習アルゴリズムに全体計算プロセスを完全に手引きする。本論文では,訓練データにおけるより詳細な情報を捕捉する予測モデルを得るために,データセットにより微細な意味情報を組み込んだ,分割と呼ばれる一般的なデータ精密化手法を提案した。情報理論を提供することによって,著者らは,洗練されたデータセットで訓練された学習モデルが,オリジナルのものより良い予測精度を有するという高い信頼度を持っている。著者らは,ResNetおよび高密度Netのような最先端のニューラルネットワークアーキテクチャを用いて,異なるデータセット上で広範な実験を行った。実験結果は,分割がオリジナルのテストセットに関してすべてのこれらの深い学習アーキテクチャの予測精度を改善することを示した。また,分割アプローチをランダムフォレスト,XGboostおよびSVMのような他の機械学習モデルに適用した。結果は,分割により得られた精密化訓練データが学習モデルのより良い予測精度を生成するという結論を支持した。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： *学習 ,  学習モデル ,  ニューラルネットワーク ,  自然言語処理 ,  *教師つき学習 ,  応用プログラム ,  計算機アーキテクチャ ,  機械学習 ,  学習アルゴリズム ,  ドメイン知識 ,  画像認識
準シソーラス用語： 訓練データ ,  予測精度 ,  *意味情報 ,  ランダムフォレスト , 【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 (3件)： 意味情報 ,  データ集合 ,  教師付き学習