「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

データサイエンス

「GPU上の行列乗算」.

このブログでは、最新の行列の乗算がCUDAでどのように実装されるかについて詳しく説明しますNVIDIA GPUのアーキテクチャにつ...

機械学習

「JARVIS-1に会おう:メモリ拡張型マルチモーダル言語モデルを持つオープンワールドマルチタスクエージェント」

北京大学、UCLA、北京邮电大学和北京智能综合研究所的研究人员介绍了一种名为JARVIS-1的多模态代理,该代理用于Minecraft中的...

コンピュータサイエンス

「安全な飲料水のための信頼性のある1ドルセンサーの設計方法」

シカゴ大学とウィスコンシン・ミルウォーキー大学のエンジニアたちは、家庭で飲料水中の汚染物質を検出することができる、大...

AIニュース

「Amazon SageMaker StudioでAmazon SageMaker JumpStartを使用して安定したDiffusion XLを利用する」

「今日、私たちはお知らせすることを喜んでいますStable Diffusion XL 1.0(SDXL 1.0)がAmazon SageMaker JumpStartを通じて...

AI研究

ビンガムトン大学の研究者たちは、社会的な写真共有ネットワークでの自分たちの顔の管理を可能にするプライバシー向上の匿名化システム(私の顔、私の選択)を紹介しました

匿名化は、顔認識や識別アルゴリズムの文脈において重要な問題です。これらの技術の商品化が進むにつれて、個人のプライバシ...

AI研究

新しいAI研究がGPT4RoIを紹介します:地域テキストペアに基づくInstruction Tuning大規模言語モデル(LLM)によるビジョン言語モデル

大型言語モデル(LLM)は最近、自然言語処理を必要とする会話タスクで驚異的なパフォーマンスを発揮し、大きな進歩を遂げてい...