288829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. 電子鼻を用いた代替漢方薬分類の事例：ラベルなしデータとコンフォーマル予測によるデータ拡張戦略 (Boost AI Power: Data Augmentation Strategies with unlabelled Data and Conformal Prediction, a Case in Alternative Herbal Medicine Discrimination with Electronic Nose)
2 分で読了
2 views

電子鼻を用いた代替漢方薬分類の事例：ラベルなしデータとコンフォーマル予測によるデータ拡張戦略

(Boost AI Power: Data Augmentation Strategies with unlabelled Data and Conformal Prediction, a Case in Alternative Herbal Medicine Discrimination with Electronic Nose)

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

田中専務

拓海先生、最近部下から「データが足りないのでAIが効かない」と言われまして。ある論文がラベルなしデータを活用するって聞いたのですが、経営的には本当に導入価値があるのか判断できません。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、一緒に整理すれば投資対効果も見えてきますよ。まず要点を三つにまとめますと、1)ラベルなしデータを使って訓練データを増やす方法、2)コンフォーマル予測（Conformal Prediction, CP、コンフォーマル予測）で予測の信頼度を扱う技術、3)センサの現場差に強くするための工夫、です。順に噛み砕いて説明しますよ。

田中専務

ラベルなしデータって要するに現場で勝手に取れているデータのことですよね。それをどうやって有効に使うんですか、無作為に混ぜれば良いという話ではないのではと不安です。

AIメンター拓海

素晴らしい着眼点ですね！その感覚は正しいです。要点を三つに分けると、1)ラベルなしデータは品質がばらつくため直接混ぜるだけでは逆効果になり得る、2)今回の論文は『データ拡張（Data Augmentation、データ拡張）』の枠組みでラベルなしデータを賢く活用している、3)さらにコンフォーマル予測で

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
再構成可能インテリジェントサーフェスが支援するエッジ機械学習
（Reconfigurable Intelligent Surface Assisted Edge Machine Learning）
次の記事
粒子線放射線治療における人工知能の応用
（Applications of Artificial Intelligence in Particle Radiotherapy）
関連記事
視覚的ジェスチャーの話者差異と連続視覚音声の可視化
（BEAR: Visual Gesture Variability）
Tevatronにおける光子-ジェット生成のT-odd効果
（T-odd Effects in Photon-Jet Production at the Tevatron）
継続血糖測定データ解析2.0：関数データのパターン認識と人工知能応用
（CGM Data Analysis 2.0: Functional Data Pattern Recognition and Artificial Intelligence Applications）
EAPCR：明示的特徴関係パターンを持たない科学データのための汎用特徴抽出器
（EAPCR: A Universal Feature Extractor for Scientific Data without Explicit Feature Relation Patterns）
メモリーインジェクション：推論中のマルチホップ推論失敗の修正
(Memory Injections: Correcting Multi-Hop Reasoning Failures during Inference in Transformer-Based Language Models)
細粒度深層交通推定 — FDTI: Fine-grained Deep Traffic Inference with Roadnet-enriched Graph
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
概念タグ付けとNLUの二十五年
（Concept Tagging for Natural Language Understanding: Two Decadelong Algorithm Development）
  • 論文研究
超金属欠乏矮小銀河ドレコIIの詳細光学・分光解析
（Pristine Dwarf-Galaxy Survey I: A detailed photometric and spectroscopic study of the very metal-poor Draco II satellite）
  • 論文研究
大規模MR由来心臓運動アトラスを用いた臨床情報と運動記述子の関連学習
（Learning associations between clinical information and motion-based descriptors using a large scale MR-derived cardiac motion atlas）
  • 論文研究
量子オートエンコーダの実験実装
（Experimental Implementation of a Quantum Autoencoder via Quantum Adders）
  • 論文研究
観測されない意図を暴く：協調行動とサイド情報を結びつける手法
（Revealing the Unobserved by Linking Collaborative Behavior and Side Knowledge）
  • 論文研究
Wandzura–Wilczek型近似による半包絡的深非弾性散乱の包括的記述
（Semi-inclusive deep-inelastic scattering in Wandzura–Wilczek-type approximation）
  • 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