「効率的な変数選択のための新しいアルゴリズムが提案されました」

A new algorithm for efficient variable selection has been proposed.

.fav_bar { float:left; border:1px solid #a7b1b5; margin-top:10px; margin-bottom:20px; } .fav_bar span.fav_bar-label { text-align:center; padding:8px 0px 0px 0px; float:left; margin-left:-1px; border-right:1px dotted #a7b1b5; border-left:1px solid #a7b1b5; display:block; width:69px; height:24px; color:#6e7476; font-weight:bold; font-size:12px; text-transform:uppercase; font-family:Arial, Helvetica, sans-serif; } .fav_bar a, #plus-one { float:left; border-right:1px dotted #a7b1b5; display:block; width:36px; height:32px; text-indent:-9999px; } .fav_bar a.fav_de { background: url(../images/icons/de.gif) no-repeat 0 0 #fff } .fav_bar a.fav_de:hover { background: url(../images/icons/de.gif) no-repeat 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ height: 33px !important ; width: 35px !important; padding: 0 !important; border-right: none !important; } .a2a_kit { line-height: 24px !important; width: unset !important; height: unset !important; padding: 0 !important; border-right: unset !important; border-left: unset !important; } .fav_bar .a2a_kit a .a2a_svg { margin-left: 7px; margin-top: 4px; padding: unset !important; }

アルゴリズムは6つの重みベクトルを組み合わせ、しきい値探索戦略を使用してスペクトルから有用な情報を抽出するための最適な重みベクトルを探索します。¶ クレジット: 中国科学院合肥物理科学研究所

中国科学院合肥物理科学研究所の研究者は、化学計量学の応用における変数選択アルゴリズムを開発しました。

マルチウェイトベクトル最適選択およびブートストラップソフト縮小(MWO-BOSS)アルゴリズムは、スペクトル予測モデルの開発時に最適な波長の組み合わせを特定するプロセスをより効率的にすることを目指しています。

MWO-BOSSは、選択比率、射影における変数の重要度、周波数ベクトル、残差分散ベクトルの逆数、回帰係数、および多変量相関の有意性の6つの重みベクトルから最適な重みベクトルを選択し、しきい値探索戦略を用いてスペクトルから有益な情報を抽出します。

公開されているデータセットにおけるテストでは、このアルゴリズムは変数を効率的に選択し、モデルの予測能力を向上させることに成功しました。中国科学院の記事を参照してください。

抄録の著作権は2023年のSmithBucklin、ワシントンD.C.、アメリカにあります

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI研究

メタAIがオーディオジェネレーションに関するディープラーニングの研究のためのPyTorchライブラリであるAudioCraftをオープンソース化しました

研究者や実践者がモデルを訓練し、最先端を推進するために、メタはテキストから音楽を生成するためのソースコードであるAudio...

AI研究

マウス用のVRゴーグルは、脳研究のために没入感のあるシナリオを作り出します

北西部大学の研究者は、マウス用のバーチャルリアリティゴーグルを開発しました

コンピュータサイエンス

「一般的なコンピュータアルゴリズムに対する量子的なひねりがスピード向上をもたらす」という文を翻訳します

科学者たちは、人気のあるモンテカルロアルゴリズムの量子バージョンが、いずれは古典的なコンピュータ上で実行されるバージ...

AI研究

UCSFとUC Berkeleyの研究者たちは、脳幹の脳卒中による重度の麻痺を持つ女性がデジタルアバターを通じて話すことができるようにする脳-コンピューターインタフェース(BCI)を開発しました

人工知能は今日では音声と顔の認識に重要な役割を果たしています。これらの信号は脳の信号によって記録・合成され、AIの劇的...

データサイエンス

Transcript AIコンテンツの生成を検出する

「生成AIの進歩に伴う多くの興味深い倫理的問題の1つは、モデルの成果物の検出ですこれは、メディアを消費する私たちにとって...

機械学習

ChatGPT APIへの適切な方法での通話の作り方

「LLMsは今や至る所に存在していますが、特にChatGPTはその中でも非常に多くのアプリケーションが構築されていますもしまだ試...