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。
精度を犠牲にすることなく回帰ベース予測の不確実性を確実に推定できるネットワークアーキテクチャを提案した。現在の最先端の不確実性アルゴリズムは,平均平方誤差最適化に匹敵する予測精度を達成するか,あるいはネットワーク予測の分散を過小評価する。同時に,同時に達成できる分離ネットワークアーキテクチャを提案した。予測と予測間隔(PI)推定の学習を2段階訓練プロセスに破壊することによりこれを達成した。PI範囲内の目標ラベルの割合の望ましいカバレッジで,最適化平均推定のまわりでPI範囲を学習するためのカスタム損失関数を使用した。提案手法を,合成データセットとUCIベンチマークに関する現在の最先端の不確実性定量化アルゴリズムと比較し,9UCIベンチマークデータセットの7つに対して95%予測区間確率(PICP)を維持しながら,予測の誤差を23から34%まで削減した。また,アクティブ学習の評価によって予測不確実性の品質を調べ,UCIベンチマークで17から36%の誤り低減を実証した。【JST・京大機械翻訳】