文献
J-GLOBAL ID:202202290206038839   整理番号:22A1117401

産業4.0の文脈におけるK-最近傍とK-平均に対する統計的特徴正規化法の影響【JST・京大機械翻訳】

Influence of statistical feature normalisation methods on K-Nearest Neighbours and K-Means in the context of industry 4.0
著者 (5件):
資料名:
巻: 111  ページ: Null  発行年: 2022年 
JST資料番号: T0797A  ISSN: 0952-1976  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
正規化は,特徴の貢献を等しくするために,産業のための機械学習(ML)ベースの解決策で広く採用されている前処理技術である。しかし,研究者は,正規化効果とそのMLアルゴリズム性能に関する含意を,特によく知られたK-最近傍とK-平均のようなユークリッド距離ベースアルゴリズムに関して分析した。この意味で,本論文は,最先端の伝統的請求からかなり遠い正規化降伏結果の影響を形式的に解析した。特に,本論文では,正規化が特徴の寄与を等しくしないことを示し,その結果,特定の問題に対する学習プロセスの性能への影響がもたらされる。より具体的には,この実証はK-Nearest近傍とK-平均ユークリッド距離ベースMLアルゴリズムで行った。本論文は,正規化が教師なし特徴重み付け法とみなすことができると結論を下した。これに関連して,特徴に対する正規化の影響を測定するための新しい計量(正規化重み)を示した。同様に,ユークリッド距離に対する正規化効果の解析を行い,ユークリッド距離に対する特徴の影響を測定する比例影響と呼ぶ新しいメトリックを提案した。両方のメトリックスは,特定のエンジニアリング問題のための最も適切な正規化法の自動選択を可能にし,それは,K-Nearest近傍とK-平均アルゴリズムの計算コストと分類性能の両方を著しく改善できる。分析結論は,UCIリポジトリからの良く知られたデータセットと製油所産業からの実生活応用について検証した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る