文献

J-GLOBAL ID：202202229084822665   整理番号：22A0027687

多重エキスパート学習のためのサポートベクトルマシンの開発【JST・京大機械翻訳】

Developments on Support Vector Machines for Multiple-Expert Learning

著者 (10件)： Umaquinga-Criollo Ana C. (Universidad de Salamanca, Salamanca, Spain) ,  Umaquinga-Criollo Ana C. (Universidad Tecnica del Norte, Ibarra, Ecuador) ,  Tamayo-Quintero Juan D. (Universidad Nacional de Colombia, Manizales, Colombia) ,  Tamayo-Quintero Juan D. (Tecnologico de Antoquia, Medellin, Colombia) ,  Moreno-Garcia Maria N. (Universidad de Salamanca, Salamanca, Spain) ,  Aalaila Yahya (Cadi Ayyad University, Marrakesh, Morocco) ,  Aalaila Yahya (Mohammed VI Polytechnic University, Ben Guerir, Morocco) ,  Aalaila Yahya (SDAS Research Group, Ben Guerir, Morocco) ,  Peluffo-Ordonez Diego H. (Mohammed VI Polytechnic University, Ben Guerir, Morocco) ,  Peluffo-Ordonez Diego H. (SDAS Research Group, Ben Guerir, Morocco)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13113  ページ： 587-598  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 教師つき学習シナリオでは,いくつかのアプリケーションは,ラベルが単一のグランドトルースとして与えられない分類問題を解く必要がある。代わりに,専門家の集合の判定基準を用いて,各エキスパートの知覚と経験のレベルにより,単一ラベルと誤差バイアス(優秀または l)に関して,誤った影響を補償することを目指したラベルを提供した。本論文は,サポートベクトルマシン(SVM)に関する数学的開発を簡潔に概説し,多重エキスパート学習(MEL)のためのSVMベース手法の概要を概観する。そのようなMELアプローチは,最小自乗SVMの定式化を修正し,各エキスパートの評価品質をペナルティ化しながら,信頼性のある客観的ラベルのセットを得ることを可能にする。特に,本研究は,2クラス(バイナリ)MEL分類器(BMLC)と,各エキスパートの影響のペナルティ化を含む1つのアゲイン(OaA-MLC)によるマルチクラスへの拡張の両方を研究した。最小二乗SVM定式化とペナルティ因子に関する重要な側面に関する顕著な議論と同様に,形式的数学開発について述べた。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最小二乗法 ,  *学習 ,  信頼性 ,  教師つき学習 ,  *多重化 ,  応用プログラム ,  バイアス ,  判定基準 ,  定式化 ,  ペナルティ ,  *サポートベクトルマシン
準シソーラス用語： バイナリー ,  グランドトゥルース , 【Automatic Indexing@JST】

著者キーワード (3件)： 多重エキスパート学習 ,  教師付き学習 ,  サポートベクトルマシン

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 多重 ,  エキスパート ,  学習 ,  サポートベクトルマシン ,  開発