最小分類誤り基準に基づく識別関数のアンサンブル学習
スポンサーリンク
概要
- 論文の詳細を見る
分類問題に焦点をあて、最小分類誤り確率を達成する識別関数を構成することを目的として、複数の識別関数を線形結合ずるアンサンブル学習法を提案する。本アプローチでは、線形重みの推定を、識別関数空間上での線形識別関数の設計問題として期待損失最小化学習の枠組みで定式化する。従来、回帰問題の枠組みで用いられている平均自乗誤差基準が本問題には適切でないことを示し、次いで、最小分類誤り基準に基づく重みの推定法について述べる。多クラスの分類問題に対するニューラルネット分類器によるアンサンブル分類器の適用実験において、提案法の有効性を示す。
- 1997-03-18
論文 | ランダム
- モノカルボン酸を利用した血液脳関門における物質透過性の改善法 : 臨床応用性をめざした病態モデル動物を用いた検討
- P-gp機能制御による新たな経口投与方法の開発 : 界面活性剤を用いて
- MP-182 マウス心移植モデルにおけるミコフェノール酸モフェチルとミゾリビンの併用効果の検討(一般演題ポスター,第94回日本泌尿器科学会総会)
- OP-080 脾臓を摘出せずに行った血液型不適合腎移植の症例報告(リツキサン投与経験)(一般演題口演,第94回日本泌尿器科学会総会)
- 当科における最近のDSGの使用経験(第93回日本泌尿器科学会総会)