305336記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. デンプスター・シェーファー理論を用いた多項推論の新手法（A New Method for Multinomial Inference using Dempster-Shafer Theory）
1未満 分で読了
1 views

デンプスター・シェーファー理論を用いた多項推論の新手法

（A New Method for Multinomial Inference using Dempster-Shafer Theory）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

会話で学ぶAI論文

ケントくん

博士！今日はどんな面白いAIの話を聞かせてくれるの？

マカセロ博士

おおケントくん、今日はデンプスター・シェーファー理論を使った多項推論についてじゃ。特に不確実性が高い状況での推論に有効なんじゃよ。

ケントくん

デンプスター・シェーファー理論？なんか難しそうだけど、どういう効果があるの？

マカセロ博士

それはじゃな、通常の確率を超えて不確実性を柔軟にモデルできるという点にじゃ。これにより情報をうまく統合して信頼性の高い結果を導き出せるんじゃよ。

記事本文

「A New Method for Multinomial Inference using Dempster-Shafer Theory」は、デンプスター・シェーファー（DS）理論を用いて、多項分布の推論を行う新たな手法を提案しています。従来の確率論的な方法とは異なり、セル確率を単位区間の順序付けされないセグメントとして表現します。これにより、特に不確実性が高い状況での応用において、推論プロセスの柔軟性と表現力が向上しています。

引用情報

E. Clawrence et al., “A New Method for Multinomial Inference using Dempster-Shafer Theory,” arXiv preprint arXiv:2101.XXXX, 2021.

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
メッシュ上のスカラー場予測
（SCALAR FIELD PREDICTION ON MESHES USING INTERPOLATED MULTI-RESOLUTION CONVOLUTIONAL NEURAL NETWORKS）
次の記事
応答機検出問題へのリカレントニューラルネットワークアプローチ
（A Recurrent Neural Network Approach to the Answering Machine Detection Problem）
関連記事
日常的な画像編集タスクにおける生成AIの実力を読み解く
（Understanding Generative AI Capabilities in Everyday Image Editing Tasks）
MARLIN: 大規模言語モデルの混合精度自己回帰並列推論による高速化
(MARLIN: Mixed-Precision Auto-Regressive Parallel Inference on Large Language Models)
フローMRIからの平均速度場と乱流モデルのベイズ推論
（Bayesian inference of mean velocity fields and turbulence models from flow MRI）
アイテム類似性に注意を払うニューラル推薦モデル
（NAIS: Neural Attentive Item Similarity Model for Recommendation）
Diffusion Policy Attacker: Crafting Adversarial Attacks for Diffusion-based Policies
（Diffusion Policy Attacker：拡散ベース方策に対する敵対的攻撃の作成）
質問における社会的支援ニーズの理解：半教師あり学習とLLMベースのデータ増強を統合したハイブリッドアプローチ
(Understanding Social Support Needs in Questions: A Hybrid Approach Integrating Semi-Supervised Learning and LLM-based Data Augmentation)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む