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。
Bayes実験設計および不確実性定量化に関連したアプリケーションにおける高速収束を導くサンプル選択のための獲得関数のクラスを導入した。この手法はアクティブ学習のパラダイムに従い,ブラックボックス関数の既存のサンプルを利用して次の最も有益なサンプルを最適化した。提案手法は,ブラックボックス関数のいくつかの入力方向が,特に希少で極端なイベントを示すシステムに対して重要である,他のものより出力に大きな影響を持つという事実を利用することを目的とする。本研究で導入した取得関数は,尤度比の特性,確率的サンプリング重みとして作用する量,および最も関連すると考えられる入力空間の領域に対するアクティブ学習アルゴリズムをガイドする。水文システムの不確実性定量化と,動的系における希少事象の確率的定量化と,それらの前駆体の同定において,提案した方法の優位性を示した。【JST・京大機械翻訳】