268396記事公開中

  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

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
大規模言語モデルは自分の知らないことを知っているか？
（Do Large Language Models Know What They Don’t Know?）
戦略的メカニズム設計における大規模言語モデルの再考 — Rethinking Strategic Mechanism Design In The Age Of Large Language Models
オンラインの価値トゥゴー近似のためのGNNによるマッチングアルゴリズム
（MAGNOLIA: Matching Algorithms via GNNs for Online Value-to-go Approximation）
天文学における初めての機械学習プロジェクトの始め方
（How to set up your first machine learning project in astronomy）
複雑疾患の遺伝関連研究のためのベイジアンニューラルネットワーク
（Bayesian Neural Networks for Genetic Association Studies of Complex Disease）
科学文書検索におけるSparseとDenseの融合による改良
（Sparse Meets Dense: A Hybrid Approach to Enhance Scientific Document Retrieval）
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）
  • 画像認識
  • 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）
  • 画像認識
  • 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
リアルタイム任意スタイル転送ニューラルネットワークの構造を探る — Exploring the structure of a real-time, arbitrary neural artistic stylization network
  • 論文研究
プロジェクト型学習における学習拡散のエージェントベース・シミュレーション
（An agent-based simulation of the learning dissemination on a Project-Based Learning context considering the human aspects）
  • 論文研究
視覚的質問応答のための畳み込みによるテキスト表現学習
（Learning Convolutional Text Representations for Visual Question Answering）
  • 論文研究
PIXEL DECONVOLUTIONAL NETWORKS
（Pixel Deconvolutional Networks）
  • 論文研究
適応的収束率 — ガウス過程最適化のためのThompson Samplingの適応的収束率
(Adaptive Rate of Convergence of Thompson Sampling for Gaussian Process Optimization)
  • 論文研究
機械学習による銀河形態の改良
（Improving galaxy morphology with machine 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