{"product_id":"ieej-zt073076","title":"ブースティングアルゴリズムを用いた関数近似法","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-076\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成19年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2007\/03\/15\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eFunction Approximation by using Boosting Algorithm\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e川成 翔(呉工業高等専門学校),大西 義浩(呉工業高等専門学校)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eSho Kawanari(Kure College of Technology),Yoshihiro Onishi(Kure College of Technology)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003eブースティング|アダブースト|関数近似\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e代表的な知的情報処理手法であるニューラルネットワークなどでは少ないデータからだと十分に関数の近似を行えない恐れがある。一方、機械学習の分野でブースティングという方法が提案されている。この方法はデータの数に関わらず、学習条件の数を設定できるため、条件の決め方によって、学習精度が変わってくるという特徴を有している。そこで，本稿では，このブースティングアルゴリズムを関数近似に応用することを考察する。ブースティングアルゴリズムでは、学習条件の中でデータが真か否かを判定する必要があるが、ある閾値を超えると真であるとして関数近似を行う方法を提案する。最後に数値例を示して、有効性を検証する。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e727 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 1","offer_id":46397252993263,"sku":"IEEJ-ZT073076-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_4f258d2b-da55-4640-aea0-b252bd3cb20d.png?v=1744839821","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt073076","provider":"電気学会 電子図書館","version":"1.0","type":"link"}