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。
データの「ハードツーリーン」成分に重点を置いた訓練は,特にロバスト性(例えば,分布を横断する一般化)が価値がある設定において,機械学習モデルの一般化を改善する有効な方法として証明されている。この「ハードツーリーン」概念を論じる既存の文献は,試料の寸法あるいは特徴の次元に沿って主に拡張される。本論文では,これらの2次元を併合する簡単な視点を導入し,サンプルと特徴次元の両方に対する最悪ケースを強調することにより,機械学習モデルを訓練する新しい簡単で効果的な発見的方法を導いた。「2次元に沿ったWorst-case」の概念に従ってW2Dと名付けた。アイデアを検証し,標準ベンチマーク上の経験的強度を実証した。【JST・京大機械翻訳】