機械学習アルゴリズムによるテストセット最適化【JST・京大機械翻訳】

Fu Kaiming; Jin Yulu; Chen Zhousheng

プレプリント

J-GLOBAL ID：202202207685000669 整理番号：22P0204952

機械学習アルゴリズムによるテストセット最適化【JST・京大機械翻訳】

Test Set Optimization by Machine Learning Algorithms

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年10月28日プレプリントサーバーでの情報更新日： 2020年10月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

診断結果は試験セットの容積に大きく依存する。最も効率的なテストセットを導出するために,比較的正確な診断を生成するテストデータの最小量を予測するいくつかの機械学習ベースの方法を提案した。故障回路からの出力を収集することにより,特徴行列とラベルベクトルを生成し,試験終了点の推論情報を含む。そこで,データにフィットし,テストを終了する時の予測モデルを開発した。考慮した方法は,LASSOとサポートベクターマシン(SVM)を含み,目標(ラベル)と予測子(特徴マトリックス)間の関係がLASSOで線形であり,SVMで非線形であると考えられている。数値結果は,SVMが90.4%の診断精度に達し,一方,試験セットの体積を35.24%まで減らせることを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

数値計算 , 分子の電子構造

, ,

前のページに戻る