文献

J-GLOBAL ID：202202233730523955   整理番号：22A0890686

回路モデルの能動学習ベース再構成【JST・京大機械翻訳】

Active-learning-based reconstruction of circuit model

著者 (3件)： Rozenfeld Gal (Ben-Gurion University of the Negev, Beer-Sheva, Israel) ,  Kalech Meir (Ben-Gurion University of the Negev, Beer-Sheva, Israel) ,  Rokach Lior (Ben-Gurion University of the Negev, Beer-Sheva, Israel)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 5  ページ： 5125-5143  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
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： 回路モデルの再構成は,未知の機能仕様を持つ回路に対する課題を提示する。この回路は入力を与えて出力を生成するブラックボックスと考えられる。一方,回路のモデルは未知である。入力のセットとそれらの対応する出力を与えて,次に,再構成精度を最大化しながら,目標を回路仕様を復元する。この過程は計算上困難であり,多くの大規模で複雑な回路の場合のように,入力と出力の部分集合だけが提供されるとき,解決するのがより難しくなる。本論文では,一連のコンポーネントからの回路のモデルと,その入力と出力を記述する観測を再構成する。以前の研究はディシジョンツリーアプローチを提案したが,この手法は入力と出力の全セットが利用できる場合にのみ動作する。それにもかかわらず,ほとんどのシステムでは,この要求は非現実的である。この課題に取り組むために,再構成回路を学習するためのサンプルラベル付きデータに対する分数要因計画の直交アレイの適用と能動学習手法を提案した。9つのよく知られた回路に関する評価は,精度,実行時間および再構成回路モデルに関して提案したアルゴリズムの利点を示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ブラックボックス ,  *再構成 ,  ディシジョンツリー ,  *モデル ,  成分 ,  直交性 ,  *回路モデル
準シソーラス用語： 能動学習 ,  実行時間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 診断 ,  アクティブ学習 ,  直交アレイ ,  決定木

分類 (4件)： 半導体集積回路  (NC03162T) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  マイクロ波・ミリ波通信  (ND08020W)

タイトルに関連する用語 (3件)： 回路モデル ,  能動学習 ,  再構成