【摘 要】
：
小样本学习问题,常发生于系统建置初期数据稀少、取得困难或以及取得成本过高等环境却必须从事学习之情况,因此如何从中撷取更多有意义的信息,于近年已成为研究的课题.在过往
【机 构】
：
国立成功大学台南市工业与资讯管理学系台南市70101国立成功大学高阶管理硕士在职专班台南市70101中原大學企业管理学系桃園縣32023
论文部分内容阅读
小样本学习问题,常发生于系统建置初期数据稀少、取得困难或以及取得成本过高等环境却必须从事学习之情况,因此如何从中撷取更多有意义的信息,于近年已成为研究的课题.在过往学习方法中,虚拟样本产生法已验证为有效的方法之一,然其中如整体趋势以及盒须图等扩散技术却并未针对数据进行事前分析,对于母体推论虽考虑偏态但缺漏母体存在多峰可能.因此本研究藉由模糊分群法将数据进行概略分群,并透过模糊侧影系数决定最适分群数,以学习小样本分布状况之事前信息,并基于此进行样本分配的重建,从而改善产生之虚拟样本质量.实验部分,本研究以两笔电子制造业真实案例进行方法验证,其结果显示当小样本加入本研究方法所产生之虚拟样本后,于交互验证下确实较整体趋势扩散技术有更佳之预测准确度.
其他文献
Sarsasapogenin(SG),a natural compound from traditional Chinese medicinal herb Anemarrhena asphodeloides Bge.,has recently received a great deal of attention
阿仑膦酸钠是骨吸收抑制剂,其与骨内羟磷灰石有强亲和力,进入体内迅速与之结合浓集于骨骼中,主要用于预防和治疗骨质疏松症.它是一种双膦酸盐化合物,该结构中没有生色基团,如
高速逆流色谱(high speed countercurrent chromatography,HSCCC)是在液-液分配色谱的基础上研制开发的一种新型的、连续高效的液-液分配色谱技术.但逆流色谱主要利用被分离
近年来,中枢神经系统类药物的研发进展缓慢,大多数体外疗效好的候选药物进入临床试验时却难以通过血脑屏障,或难以扩散至脑部靶组织,从而影响了疗效.因此,在体外构建血脑屏障
在过往小样本学习方法中,虚拟样本产生法虽已被证实能有效提升机械学习算法的学习结果,然而对于如何确认所产生之虚拟样本的质量并未有明确的定义,如扩散神经网络虽有考虑属
固相微萃取(SPME)技术是90年代发展起来的,是一种简单、高效的样品前处理技术.该技术利用纤维涂层的性质,萃取和富集样品中的目标分析物,这种技术省时,溶剂和样品用量少,已广
如何从资料中撷取出有意义的资讯,统计理论在过往扮演着重要的角色,然囿于其对于母体假设的基本限制,已无法因应现实世界中各种不同面向的资料,因此资料探勘与类神经网路等机
以统计学和灰色系统理论为基础,提出多维测量系统中互不确定度的简化灰色评定模型,提高了多维测量不确定度的评估效率.利用协方差的统计特征,推导出互不确定度与两个被测量的
调适性神经模糊推论系统(Adaptive Network-Based Fuzzy Inference System;ANFIS)自从提出后,于分类或是数值预测问题的应用上均甚为广泛,然ANFIS虽可藉由其学习过程对于初始
电子信息装备是军队战斗力的重要物质技术基础，是影响战争形态和战争胜负的重要因素，是军事技术发展水平的重要体现，是国防现代化的重要标志。随着电子化信息化的武器装备越来越