WEKO3
アイテム
{"_buckets": {"deposit": "a05e9fb8-6e02-44ee-a405-e4e702d7acbd"}, "_deposit": {"created_by": 2, "id": "4052", "owners": [2], "pid": {"revision_id": 0, "type": "depid", "value": "4052"}, "status": "published"}, "_oai": {"id": "oai:fun.repo.nii.ac.jp:00004052", "sets": ["28", "101"]}, "author_link": ["7284", "95", "7285", "7286"], "item_5_biblio_info_5": {"attribute_name": "書誌情報", "attribute_value_mlt": [{"bibliographicIssueDates": {"bibliographicIssueDate": "2007", "bibliographicIssueDateType": "Issued"}, "bibliographicPageEnd": "2244", "bibliographicPageStart": "2183", "bibliographicVolumeNumber": "19", "bibliographic_titles": [{"bibliographic_title": "Neural Computation"}]}]}, "item_5_description_3": {"attribute_name": "抄録", "attribute_value_mlt": [{"subitem_description": "一般化されたU-ブーストのアルゴリズムは期待損失関数の逐次最小化として定式化され,アルゴリズムの統計的性質は用いる損失関数によって決定される.本論文では古典的な判別モデルであるロジスティックモデルと関連したクラスの損失関数に着目し,頑健性についての考察を行った.頑健性の指標としてしばしば用いられるgross error sensitivityの意味で最も頑健な損失関数を理論的に明らかにし,その頑健性を数値実験で確かめた.", "subitem_description_type": "Abstract"}]}, "item_5_publisher_17": {"attribute_name": "出版者", "attribute_value_mlt": [{"subitem_publisher": "MIT Press"}]}, "item_5_select_10": {"attribute_name": "単著共著", "attribute_value_mlt": [{"subitem_select_item": "共著/joint"}]}, "item_5_select_8": {"attribute_name": "査読有無", "attribute_value_mlt": [{"subitem_select_item": "あり/yes"}]}, "item_5_select_9": {"attribute_name": "研究業績種別", "attribute_value_mlt": [{"subitem_select_item": "原著論文/Original Paper"}]}, "item_access_right": {"attribute_name": "アクセス権", "attribute_value_mlt": [{"subitem_access_right": "metadata only access", "subitem_access_right_uri": "http://purl.org/coar/access_right/c_14cb"}]}, "item_creator": {"attribute_name": "著者", "attribute_type": "creator", "attribute_value_mlt": [{"creatorNames": [{"creatorName": "Kanamori, Takafumi"}], "nameIdentifiers": [{"nameIdentifier": "7284", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "Takenouchi, Takashi"}], "nameIdentifiers": [{"nameIdentifier": "95", "nameIdentifierScheme": "WEKO"}, {"nameIdentifier": "50403340", "nameIdentifierScheme": "e-Rad", "nameIdentifierURI": "https://kaken.nii.ac.jp/ja/search/?qm=50403340"}]}, {"creatorNames": [{"creatorName": "Eguchi, Shinto"}], "nameIdentifiers": [{"nameIdentifier": "7285", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "Murata, Noboru"}], "nameIdentifiers": [{"nameIdentifier": "7286", "nameIdentifierScheme": "WEKO"}]}]}, "item_language": {"attribute_name": "言語", "attribute_value_mlt": [{"subitem_language": "eng"}]}, "item_resource_type": {"attribute_name": "資源タイプ", "attribute_value_mlt": [{"resourcetype": "journal article", "resourceuri": "http://purl.org/coar/resource_type/c_6501"}]}, "item_title": "Robust Loss Functions for Boosting", "item_titles": {"attribute_name": "タイトル", "attribute_value_mlt": [{"subitem_title": "Robust Loss Functions for Boosting"}]}, "item_type_id": "5", "owner": "2", "path": ["28", "101"], "permalink_uri": "http://hdl.handle.net/10445/6890", "pubdate": {"attribute_name": "公開日", "attribute_value": "2013-04-15"}, "publish_date": "2013-04-15", "publish_status": "0", "recid": "4052", "relation": {}, "relation_version_is_last": true, "title": ["Robust Loss Functions for Boosting"], "weko_shared_id": -1}
Robust Loss Functions for Boosting
http://hdl.handle.net/10445/6890
http://hdl.handle.net/10445/689057235a2f-162e-444d-adef-cc36c3237e1c
Item type | 学術雑誌論文 / Journal Article(1) | |||||
---|---|---|---|---|---|---|
公開日 | 2013-04-15 | |||||
タイトル | ||||||
タイトル | Robust Loss Functions for Boosting | |||||
言語 | ||||||
言語 | eng | |||||
資源タイプ | ||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||
資源タイプ | journal article | |||||
アクセス権 | ||||||
アクセス権 | metadata only access | |||||
アクセス権URI | http://purl.org/coar/access_right/c_14cb | |||||
著者 |
Kanamori, Takafumi
× Kanamori, Takafumi× Takenouchi, Takashi× Eguchi, Shinto× Murata, Noboru |
|||||
抄録 | ||||||
内容記述タイプ | Abstract | |||||
内容記述 | 一般化されたU-ブーストのアルゴリズムは期待損失関数の逐次最小化として定式化され,アルゴリズムの統計的性質は用いる損失関数によって決定される.本論文では古典的な判別モデルであるロジスティックモデルと関連したクラスの損失関数に着目し,頑健性についての考察を行った.頑健性の指標としてしばしば用いられるgross error sensitivityの意味で最も頑健な損失関数を理論的に明らかにし,その頑健性を数値実験で確かめた. | |||||
書誌情報 |
Neural Computation 巻 19, p. 2183-2244, 発行日 2007 |
|||||
査読有無 | ||||||
値 | あり/yes | |||||
研究業績種別 | ||||||
値 | 原著論文/Original Paper | |||||
単著共著 | ||||||
値 | 共著/joint | |||||
出版者 | ||||||
出版者 | MIT Press |