文献

J-GLOBAL ID：202202257109958986   整理番号：22A0736173

欠損値を持つニューラルネットワークの改良訓練のための動的補完【JST・京大機械翻訳】

Dynamic imputation for improved training of neural network with missing values

著者 (2件)： Han Jongmin (Department of Industrial Engineering, Sungkyunkwan University, 2066 Seobu-ro, Jangan-gu, Suwon 16419, Republic of Korea) ,  Kang Seokho (Department of Industrial Engineering, Sungkyunkwan University, 2066 Seobu-ro, Jangan-gu, Suwon 16419, Republic of Korea)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 194  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： 欠測値を含む不完全データセットを持つニューラルネットワークを訓練するために,データセットは前もって完了する必要がある。従来のアプローチでは訓練前に欠測値情報化を適用し,ニューラルネットワークを更新するために,同じ帰属を一貫して使用する。しかし,いくつかの不正確な帰属は,ニューラルネットワークの一般化性能に悪影響を与える。本研究では,欠測値の存在におけるニューラルネットワークの訓練を改善するための動的補完法を提案した。著者らは,同じ欠測値のために異なる帰属を提供できる動的インプターを使用した。各訓練時期において,全ての欠測値に対する帰属を動的インプターを用いて新たに取得し,次にニューラルネットワークを更新するために用いた。訓練の間,動的インプターによる帰属を多様化することによって,ニューラルネットワークは,不正確性に,よりロバスト性を示すことが期待され,それによって,一般化性能を改善した。提案した方法の有効性を,種々の欠損率を有するベンチマークデータセット上で実証した。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： データ ,  不確実性 ,  *ニューラルネットワーク ,  測定データ ,  補完 ,  多様化 ,  有効性 ,  ロバスト性
準シソーラス用語： 欠測値 ,  情報化 ,  損失率 ,  不完全データ , 【Automatic Indexing@JST】

著者キーワード (4件)： ニューラルネットワーク ,  欠損値補完 ,  動的補完 ,  補完不確実性

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 欠損 ,  ニューラルネットワーク ,  訓練 ,  補完