文献

J-GLOBAL ID：202202281935508809   整理番号：22A1115571

多出力サポートベクターフロンティア【JST・京大機械翻訳】

Multi-output Support Vector Frontiers

著者 (3件)： Valero-Carreras Daniel (Center of Operations Research (CIO), Miguel Hernandez University of Elche (UMH), 03202 Elche, Alicante, Spain) ,  Aparicio Juan (Center of Operations Research (CIO), Miguel Hernandez University of Elche (UMH), 03202 Elche, Alicante, Spain) ,  Guerrero Nadia M. (Center of Operations Research (CIO), Miguel Hernandez University of Elche (UMH), 03202 Elche, Alicante, Spain)
資料名： Computers & Operations Research  (Computers & Operations Research)
巻： 143  ページ： Null  発行年： 2022年 
JST資料番号： H0216B  ISSN： 0305-0548  CODEN： CMORAP  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： 本論文では,効率測定のためのよく知られた現代技術である,Free Disposal Hull(FDH)とデータ包絡分析(DEA)の両者が,機械学習内のサポートベクトル回帰(SVR)に基づくより一般的なモデルの特殊ケースとして見ることができることを示す。本アプローチは,基礎技術の自由な廃棄可能性と凸性のような標準的なミクロ経済的仮定を扱うためのマルチ応答フレームワークにおけるSVRの適応に基づいている。この適応は,標準SVRにおけるε非感受性の概念にリンクした技術的効率のよりロバストな概念の導入を可能にする。計算上の理由により,初期アプローチの単純化版を導入し,その妥当性をシミュレーションによりチェックした。計算経験に頼ることで,著者らはまた,多出力サポートベクトルフロンティアと呼ばれる新しいアプローチが,FDHとDEAのケースで最小外挿の原理の仮定に関連する過剰適合問題を回避する,平均二乗誤差とバイアスに関してFDHとDEAより優れていることを示した。最後に,新しいアプローチの下でいくつかの通常の効率測度を実行する方法を示し,経験的用例を通してそれらの性能を説明した。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： *測度 ,  回帰分析 ,  外挿法 ,  簡素化 ,  感受性 ,  データ解析 ,  バイアス ,  凸形 ,  ロバスト性 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： 用例 ,  平均二乗誤差 ,  データ包絡分析 ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (4件)： サポートベクトルマシン ,  効率 ,  計算経験 ,  データ包絡分析

分類 (2件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  経営工学一般  (KA01010C)