280362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

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
重み空間拡散による暗黙的ニューラルフィールド生成
（HyperDiffusion: Generating Implicit Neural Fields with Weight-Space Diffusion）
両耳録音から話者の方向と頭部向きを同時に学習する手法
（SIMULTANEOUSLY LEARNING SPEAKER’S DIRECTION AND HEAD ORIENTATION FROM BINAURAL RECORDINGS）
グラフ用準モンテカルロランダム特徴量
（Quasi‑Monte Carlo Graph Random Features）
ニューラル暗黙サンプラーのエントロピーに基づく訓練法
（Entropy-based Training Methods for Scalable Neural Implicit Sampler）
トランスフォーマーが切り拓いた自己注意の時代
（Attention Is All You Need）
おおよそ正しい因果発見
（Probably Approximately Correct Causal Discovery）
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
階層的で回転共変なN–Body Networksによる原子ポテンシャル学習
（N–BODY NETWORKS: A COVARIANT HIERARCHICAL NEURAL NETWORK ARCHITECTURE FOR LEARNING ATOMIC POTENTIALS）
  • 論文研究
部分視野からの特徴点予測によるモデルベース姿勢推定
（Predicting Out-of-View Feature Points for Model-Based Camera Pose Estimation）
  • 論文研究
ランサムウェア攻撃の予測手法
（RAPTOR: Ransomware Attack PredicTOR）
  • 論文研究
敵対的極端多ラベル分類の考え方
（Adversarial Extreme Multi-label Classification）
  • 論文研究
局所的距離尺度学習による最寄り近傍分類の改善
（Local Distance Metric Learning for the Nearest Neighbor Algorithm）
  • 論文研究
固定サイズと可変サイズのデターミナント点過程の漸近同値性
（Asymptotic Equivalence of Fixed-size and Varying-size Determinantal Point Processes）
  • 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