文献

J-GLOBAL ID：202202237172085670   整理番号：22A0105676

SVMに対する特徴不確実性の影響の取り扱い:Sobol感度解析に基づくロバストアプローチ【JST・京大機械翻訳】

Handling the impact of feature uncertainties on SVM: A robust approach based on Sobol sensitivity analysis

著者 (3件)： Zouhri Wahb (Arts et Metiers Institute of Technology, Universite de Lorraine, LCFC, HESAM University, F-57070 Metz, France) ,  Homri Lazhar (Arts et Metiers Institute of Technology, Universite de Lorraine, LCFC, HESAM University, F-57070 Metz, France) ,  Dantan Jean-Yves (Arts et Metiers Institute of Technology, Universite de Lorraine, LCFC, HESAM University, F-57070 Metz, France)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 189  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,目標データが特徴不確実性を受けるとき,分類の問題を扱う。サポートベクトルマシン(SVM)モデルのロバスト性を改善するために,Sobol感度解析に基づくロバスト手法を提案した。SVMは,その性能がハイパーパラメータの定義とデータの品質に依存するパターン認識のための教師つき機械学習法である。提案方法は,Sobolの感度解析に基づくSVMの予測性能に及ぼす不確実性の影響を分析する。その後,不確実性の影響に対するSVMのロバスト性を改善するために新しいパラメータを導入した。このアプローチの効率を,6つの実世界データセットに適用して評価した。次に結果を考察し,解析した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  *不確実性 ,  *感度解析 ,  *ロバスト性 ,  サポートベクトルマシン
準シソーラス用語： 予測性能 ,  ハイパーパラメータ ,  教師付き機械学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： サポートベクトルマシン ,  Sobol感度解析 ,  不確実性 ,  ロバストな分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： SVM ,  不確実性 ,  取り扱い ,  感度解析