文献

J-GLOBAL ID：201702225868342865   整理番号：17A0533020

整合性仮定に基づくバイアス学習アルゴリズム【JST・京大機械翻訳】

Consistency Based Partial Label Learning Algorithm

著者 (2件)： Tang Caizhi (School of Computer Science and Engineering, Southeast University, Key Laboratory of Computer Network and Information Integration, Ministry of Education) ,  Zhang Minling (School of Computer Science and Engineering, Southeast University, Key Laboratory of Computer Network and Information Integration, Ministry of Education)
資料名： Moshi Shibie yu Rengong Zhineng  (Moshi Shibie yu Rengong Zhineng)
巻： 29  号： 12  ページ： 1140-1146  発行年： 2016年 
JST資料番号： C2411A  ISSN： 1003-6059  CODEN： MRZHET  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 偏問題を解決する基本戦略は曖昧性解消であり、既存の曖昧性解消策略はそれぞれ単独サンプルに対して曖昧性解消を行い、実例の間の相関性を十分に利用していない。これらの理由に基づき,本論文では,一貫性バイアス学習アルゴリズム(COPAL)を提案した。このアルゴリズムは基本的な仮定に基づいている。類似例の標識も相関性があるはずである。この仮定に基づき、COPALは曖昧性解消過程において、サンプル自身とその近隣サンプルの標識情報を同時に考慮する。実験結果は,合成したUCIデータセットと実際のデータセットにおいて,COPALがより良い汎化性能を達成することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *バイアス ,  汎化 ,  *学習アルゴリズム

著者キーワード (4件)： Partial Label Learning ,  Consistency ,  Weakly Supervised Learning ,  Disambiguation Strategy

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 整合性 ,  仮定 ,  バイアス ,  学習アルゴリズム