Fugu-MT 論文翻訳(概要): Wrapper Feature Selection Algorithm for the Optimization of an Indicator System of Patent Value Assessment

論文の概要: Wrapper Feature Selection Algorithm for the Optimization of an Indicator System of Patent Value Assessment

arxiv url: http://arxiv.org/abs/2001.08371v1
Date: Tue, 21 Jan 2020 06:04:42 GMT
ステータス: 処理完了
システム内更新日: 2023-01-08 00:19:39.719641
Title: Wrapper Feature Selection Algorithm for the Optimization of an Indicator System of Patent Value Assessment
Title（参考訳）: 特許価値評価指標システムの最適化のためのラッパー特徴選択アルゴリズム
Authors: Yihui Qiu, Chiyu Zhang
Abstract要約: 特許価値評価に関するこれまでの研究の限界について分析した。分類器の精度に基づくラッパーモード特徴選択アルゴリズムを開発した。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Effective patent value assessment provides decision support for patent transection and promotes the practical application of patent technology. The limitations of previous research on patent value assessment were analyzed in this work, and a wrapper-mode feature selection algorithm that is based on classifier prediction accuracy was developed. Verification experiments on multiple UCI standard datasets indicated that the algorithm effectively reduced the size of the feature set and significantly enhanced the prediction accuracy of the classifier. When the algorithm was utilized to establish an indicator system of patent value assessment, the size of the system was reduced, and the generalization performance of the classifier was enhanced. Sequential forward selection was applied to further reduce the size of the indicator set and generate an optimal indicator system of patent value assessment.
Abstract（参考訳）: 効果的な特許価値評価は、特許トランセクションの決定支援を提供し、特許技術の実用化を促進する。本研究では,特許価値評価に関するこれまでの研究の限界を分析し,分類器の精度に基づくラッパーモード特徴選択アルゴリズムを開発した。複数のUCI標準データセットの検証実験により、アルゴリズムは特徴セットのサイズを効果的に削減し、分類器の予測精度を大幅に向上させた。アルゴリズムを用いて特許価値評価の指標システムを確立すると,システムのサイズが小さくなり,分類器の一般化性能が向上した。逐次前方選択を適用して、指標セットのサイズをさらに小さくし、特許価値評価の最適な指標システムを生成する。

関連論文リスト

DeCoOp: Robust Prompt Tuning with Out-of-Distribution Detection [52.100335904875614]
そこで我々は,新しいクラス検出器とサブクラス化器を導入し,基本クラスと新クラスの識別性をさらに向上させる,新しいプロンプトチューニング手法であるDecomposed Context Optimization(DeCoOp)を提案する。 11のベンチマークデータセットによる実験結果から、DePTの有効性が検証され、DeCoOpが現在の最先端手法よりも優れており、平均精度が2%向上していることが示された。
論文参考訳（メタデータ） (2024-06-01T07:46:42Z)
SzCORE: A Seizure Community Open-source Research Evaluation framework for the validation of EEG-based automated seizure detection algorithms [10.815433358168082]
本稿では,脳波を用いた発作検出アルゴリズムの標準化を目的とした統合フレームワークを提案する。既存のガイドラインとレコメンデーションに基づいて、このフレームワークはデータセット、ファイルフォーマット、EEGデータ入力コンテンツ、アセプションアノテーション入力と出力、クロスバリデーション戦略、パフォーマンスメトリクスに関連する一連のレコメンデーションと標準を導入している。また,公開データセットを標準フォーマットに変換する機械学習ベンチマークである,10～20回の発作検出ベンチマークを提案する。
論文参考訳（メタデータ） (2024-02-20T13:38:04Z)
Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文参考訳（メタデータ） (2022-10-02T05:03:38Z)
A Tent L\'evy Flying Sparrow Search Algorithm for Feature Selection: A COVID-19 Case Study [1.6436293069942312]
情報科学の急速な発展によって引き起こされる「次元のカルス」は、大きなデータセットを扱う際に悪影響を及ぼす可能性がある。本研究では,スナロー探索アルゴリズム(SSA)の変種であるTent L'evy Flying Sparrow Searchアルゴリズム(TFSSA)を提案する。 TFSSAは、分類のためにパッキングパターンにおける機能の最も優れたサブセットを選択するために使用される。
論文参考訳（メタデータ） (2022-09-20T15:12:10Z)
Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文参考訳（メタデータ） (2022-05-13T21:09:41Z)
A Survey on Sentence Embedding Models Performance for Patent Analysis [0.0]
本稿では,PatentSBERTaアプローチに基づく埋め込みモデルの精度を評価するための標準ライブラリとデータセットを提案する。 patentSBERTa, Bert-for-patents, and TF-IDF Weighted Word Embeddings is the most accuracy for computing sentence embeddeds at the subclass level。
論文参考訳（メタデータ） (2022-04-28T12:04:42Z)
Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
論文参考訳（メタデータ） (2022-03-28T21:22:22Z)
Adaptive Template Enhancement for Improved Person Recognition using Small Datasets [0.9668407688201358]
本稿では,脳波(EEG)信号の新たな分類法を提案し,評価した。提案した適応テンプレート拡張機構は,各特徴次元を別々に扱うことで特徴レベルのインスタンスを変換する。提案手法は,識別シナリオと検証シナリオの両方において,分類精度が大幅に向上したことを示す。
論文参考訳（メタデータ） (2022-01-03T10:14:38Z)
AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
論文参考訳（メタデータ） (2020-08-17T13:22:01Z)
Stochastic batch size for adaptive regularization in deep network optimization [63.68104397173262]
ディープラーニングフレームワークにおける機械学習問題に適用可能な適応正規化を取り入れた一階最適化アルゴリズムを提案する。一般的なベンチマークデータセットに適用した従来のネットワークモデルに基づく画像分類タスクを用いて,提案アルゴリズムの有効性を実証的に実証した。
論文参考訳（メタデータ） (2020-04-14T07:54:53Z)
Surrogate-assisted performance prediction for data-driven knowledge discovery algorithms: application to evolutionary modeling of clinical pathways [0.0]
本稿では,データ駆動型知識発見アルゴリズムの性能予測手法の提案と検討を行う。この手法は、ターゲットアルゴリズムの品質と性能を予測するための代理モデルの同定に基づいている。
論文参考訳（メタデータ） (2020-04-02T16:49:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。