2Dデータ点を記述するための形状メトリックスの利用【JST・京大機械翻訳】

Lamberti William Franz

プレプリント

J-GLOBAL ID：202202218301279060 整理番号：22P0281017

2Dデータ点を記述するための形状メトリックスの利用【JST・京大機械翻訳】

Using Shape Metrics to Describe 2D Data Points

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 (1件)：
資料名：
発行年： 2022年01月27日プレプリントサーバーでの情報更新日： 2022年01月27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)

多重回帰のような従来の機械学習(ML)アルゴリズムは,データを処理する方法の決定を行うための人間分析者を必要とする。これらの決定は,モデル構築プロセスを主観的にし,モデルを構築できないものに複製するのを困難にする。深層学習は,人間分析者がアーキテクチャを構築すると,どの特徴が重要であるかを学習することを可能とする。したがって,従来のMLモデリングのための特定の人間の決定を自動化する方法は,再現性を改善し,モデル構築プロセスの主観的側面を取り除くのを助けるであろう。そのために,2Dデータを記述するための形状計量を用いて,より説明可能で解釈可能な解析を行う。提案した手法は,解釈可能かつ説明可能な方法でモデル構築の様々な側面を自動化するための基礎を提供する。これは,特に説明責任が重要な医療コミュニティにおける応用において重要である。確率分布,関数,およびモデル品質管理チェック(QQ-プロットのようなQQ-Plotsおよび残差解析など)から様々なシミュレーションデータセットを提供し,この方法の幅を示した。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, ,

前のページに戻る