文献

J-GLOBAL ID：202202283731171280   整理番号：22A0451147

概念ドリフトの存在下における教師付き学習:モデリングフレームワーク【JST・京大機械翻訳】

Supervised learning in the presence of concept drift: a modelling framework

著者 (6件)： Straat M. (Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, University of Groningen, Groningen, The Netherlands) ,  Abadi F. (Institute of Engineering and Technology, Computing Science Department, Aksum University, Axum, Tigray, Ethiopia) ,  Kan Z. (Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, University of Groningen, Groningen, The Netherlands) ,  Gopfert C. (CITEC, Machine Learning Group, Bielefeld University, Bielefeld, Germany) ,  Hammer B. (CITEC, Machine Learning Group, Bielefeld University, Bielefeld, Germany) ,  Biehl M. (Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, University of Groningen, Groningen, The Netherlands)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 1  ページ： 101-118  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  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： 非定常環境における教師つき学習の研究のためのモデリングフレームワークを提示した。特に,学習システムの2つの例タイプ,すなわち,分類のためのプロトタイプベースの学習ベクトル量子化(LVQ)と回帰タスクのための浅い層状ニューラルネットワークをモデル化した。システムが高次元,ラベル付きデータのストリームから訓練されるいわゆる学生-教師シナリオを研究した。目標タスクの特性は,訓練が行われる間,ドリフト過程のために非定常であると考えられている。異なるタイプの概念ドリフトを研究し,それは,例入力のみの密度,目標規則自体,または両方に影響を及ぼす。統計的物理学からの方法を適用することにより,非定常環境における訓練動力学の数学的解析のためのモデリングフレームワークを開発した。結果は,標準LVQアルゴリズムが,非定常環境における訓練に,ある程度,既に適していることを示した。しかし,忘却の明示的機構としての重量減衰の適用は,考察したドリフトプロセスの下で性能を改善しなかった。さらに,S字状活性化関数を持つ層状ニューラルネットワークの勾配ベース訓練を検討し,修正線形ユニットの使用と比較した。著者らの知見は,概念ドリフトに対する感度と重量減衰の有効性が2つのタイプの活性化関数間で有意に異なることを示した。Copyright The Author(s) 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 ,  ニューラルネットワーク ,  *ドリフト ,  *教師つき学習 ,  線形性 ,  高次元 ,  有効性 ,  プロトタイプ
準シソーラス用語： 学習ベクトル量子化 ,  学習支援システム ,  活性化関数 ,  非定常性 ,  数学的解析 , 【Automatic Indexing@JST】

著者キーワード (6件)： 分類 ,  回帰 ,  教師付き学習 ,  ドリフトの概念 ,  学習ベクトル量子化 ,  層状ニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 概念 ,  ドリフト ,  教師付き学習 ,  モデリング ,  フレームワーク