首頁瀏覽人次: 806,649 次 (Since 2010/07/14) 會員登入
聯盟單位  |  虛擬講堂  |  網路直播  |  其他演講  |  排行榜  |  留言板  |  知識擂台  |  回首頁
首頁 > 虛擬講堂 > 動態多模型融合分析研究 快速搜尋演講 進階搜尋
  動態多模型融合分析研究 
★chrome瀏覽器無法播放Silverlight解決辦法
0:00 / 0:00

講者:蘇俊儒, 陳弘軒
日期:2018/10/24
性質:演講
類別:應用科學
語言:中文
長度:00:08:41
觀看:107
推薦:0
摘要:
現今多模型的整合大多採用固定策略,在訓練過後,多個基礎模型將以「靜態」的方式作融合,即:不會因為待測樣本的特徵不同而改變基礎模型的融合方式。但在現實的訓練情境中,單一模型可能只擅長於預測特定特徵分佈的樣本。由於各個樣本的特徵分佈不盡相同,只採用「靜態」融合的策略可能是過於天真...
現今多模型的整合大多採用固定策略,在訓練過後,多個基礎模型將以「靜態」的方式作融合,即:不會因為待測樣本的特徵不同而改變基礎模型的融合方式。但在現實的訓練情境中,單一模型可能只擅長於預測特定特徵分佈的樣本。由於各個樣本的特徵分佈不盡相同,只採用「靜態」融合的策略可能是過於天真的。
主流多模型融合大多假設單一基礎模型對不同數據的預測的能力大致相同,本論文想嘗試設計「動態」的融合學習以彌補這個假設可能造成的缺陷。我們已經嘗試了三種不一樣的方法,分別根據 (1) 基礎模型判斷類別的機率;(2) 將基礎模型判斷轉換成損失;及 (3) 根據樣本空間的判斷能力,這三種不同的方法來實做「動態」整合。
本文將說明我們設計的三種方法,並在人工生成資料集上進行初步的實驗。我們設計的三個整合方法的預測準確度均優於基礎模型,這說明動態的多模型融合應該是可行的。然而,三種方法中只有一種方法略優於靜態的多模型融合方式Majority Voting,故在動態多模型融合的設計上還能再加強。

現在位置:演講摘要詳細內容
推薦  (0)
推薦至Plurk
提供:TANET台灣網際網路研討會-TANET2018

轉寄  

推薦者:
電子郵件地址: (如欲轉寄多人,請以 ; 分隔email)
留言給收件者:

回報問題  

問題說明:




WorkShop:智慧進行式...
講者:劉俊傑
觀看:68
看見地球的吶喊─衛星遙測所揭...
講者:劉正千
觀看:8,557
芒草生態及生質能源潛力之研究
講者:周昌弘
觀看:672
【週日閱讀科學大師】通往宇宙...
講者:吳俊輝
觀看:85
【週日閱讀科學大師】上太空也...
講者:黃居正
觀看:80

現在位置:學習公約