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。
予測の不確実性を正確に定量化する重要性は,確率的予測に関する最近の研究を動機づけた。特に,ニューラルネットワークの出力として得られた予測分布により,多様な深層学習手法が提案されてきた。これらのニューラルネットワークベースの方法は,異なるランダム初期化からの多重モデルに基づくアンサンブルの形でしばしば使用され,最終確率予測に集約される必要がある予測分布の収集をもたらす。アンサンブル法に関する機械学習文献と予測組合せに関する統計的文献からの知見を整理する目的で,そのような深いアンサンブルに基づいて分布予測をどのように集約するかの疑問に取り組んだ。理論的議論,シミュレーション実験および風突風予測に関する事例研究を用いて,著者らは,出力として異なる予測分布型を有する3つのニューラルネットワークベースのアプローチのために,確率および分位ベースの集約法を系統的に比較した。著者らの結果は,予測分布の組合せが予測性能を実質的に改良できることを示した。予測密度の線形結合と比較して優れた性能を示す深いアンサンブルに対する一般的分位集合フレームワークを提案した。最後に,アンサンブルサイズの影響を検討し,実際に深層アンサンブルからの集約分布予測の推奨を導いた。【JST・京大機械翻訳】