| 講演名 | 2002/10/10 アンサンブル学習の新展開 上田 修功, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 学習機械の性能は,与えられた学習データに対する整合性のみならず,未学習データに対する予測能力(汎化能力)で評価される.単一の学習機械を何らかの形で融合して,汎化能力の向上を図るアンサンブル学習という枠組みがあり,実用面での有効性がこれまで数多く報告されている.本稿では,このアンサンブル学習について解説する.まず,代表的なアンサンブル学習法について説明し,次いで,何故アンサンブル学習が汎化能力向上に有効なのかについても述べる. |
| 抄録(英) | It has been empirically or theoretically shown that a better learning machine with high generalization performance can be obtained by combining outputs of multiple learning machines. This is called, ensemble learning, a practical framework for constructing predictors with high generalization ability. In this tutorial, first, I explain the basic idea of ensemble learning and introduce several representative ensemble learning methods. I also give some intuitive and theoretical reasons why ensemble learning can improve generalization performance in some cases. |
| キーワード(和) | アンサンブル学習 / パターン認識 / ベイズ学習 |
| キーワード(英) | Ensemble Learning / Pattern Classification / Bayesian Learning |
| 資料番号 | NC2002-49 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2002/10/10(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | アンサンブル学習の新展開 |
| サブタイトル（和） | |
| タイトル（英） | Research Development of Ensemble Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | アンサンブル学習 / Ensemble Learning |
| キーワード(2)（和/英） | パターン認識 / Pattern Classification |
| キーワード(3)（和/英） | ベイズ学習 / Bayesian Learning |
| 第 1 著者 氏名（和/英） | 上田 修功 / Naonori UEDA |
| 第 1 著者 所属（和/英） | NTTコミュニケーション科学基礎研究所 NTT Communication Science Laboratories |
| 発表年月日 | 2002/10/10 |
| 資料番号 | NC2002-49 |
| 巻番号（vol） | vol.102 |
| 号番号（no） | 381 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |