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。
分布回帰は,ラベルが個人レベルよりもグループレベルで利用可能である教師つき学習の問題に対する一般的な解決策として最近多くの興味を引いている。しかし,現在のアプローチは,グループにおけるサンプリング変動による観測における不確実性を伝播しない。これは,小グループと大グループが等しくよく推定され,最終回帰で等しい重みを持つべきであると仮定する。この不確実性をBayes分布回帰形式で説明し,グループサイズが変化するときのモデルのロバスト性と性能を改善した。ニューラルネットワークスタイルでこのモデルをフレーム化し,逆伝搬を用いた単純なMAP推論を可能にし,不確実性を完全に伝播できるMCMCベース推論と同様に,パラメータを学習した。著者らは,画像から年齢を予測する挑戦的な問題と同様に,実例の具体データセットに関する著者らのアプローチを実証した。【JST・京大機械翻訳】