主観評価を加えたベイズ分類器の改良

• Item type: Symposium(1)
• 公開日: 2020-10-19
• タイトル: 主観評価を加えたベイズ分類器の改良
• タイトル / 言語: en
• タイトル: Extended Bayesian Classifier with Subjective Evaluation
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 単純ベイズ分類器，主観評価，確率的グラフィカルモデル，ベイジアンネットワーク
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 神奈川大学大学院
• 著者所属: 神奈川大学大学院
• 著者所属(英): en
• 著者所属(英): Graduate School of Kanagawa University
• 著者所属(英): en
• 著者所属(英): Graduate School of Kanagawa University
• 著者名: 池田, 大地; 森田, 光
• 著者名(英): Daichi, Ikeda; Hikaru, Morita
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 情報セキュリティの認証・認識の推定には機械学習で用いられる深層学習や統計的推論などが用いられることがある．推論の精度を上げるには，多数のデータを用いる．けれども，わずかなデータしか得られないケースでは，精度の上げようがなかった．統計的因果推論では，確率的グラフィカルモデル(以下，PGM)により，確率変数相互の関係を精査できることが知られている．著者らは，既存データに主観評価データを付け加えることで，精度を向上する手法を提案する．つまり，主観評価データを新たな確率変数として付け加えるのである．本稿では，主観評価の確率変数を付加するベイズ分類器の拡張式を導出するとともに考察を行う．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Deep learning and statistical inference, which are used in machine learning, are used to estimate authentication and recognition of information security. A large amount of data is used to improve the accuracy of inference. However, the accuracy could not be improved in the case where only a small amount of data was obtained. In statistical causal inference, it is known that the mutual relations of random variables can be closely examined by a probabilistic graphical model (hereinafter, PGM). The authors propose a method for improving accuracy by adding subjective evaluation data to existing data. Subjective evaluation data is added as a new random variable. In this paper, we derive and consider an extended formula of Bayesian classifier that adds a random variable of subjective evaluation.
• 書誌情報: コンピュータセキュリティシンポジウム2020論文集; p. 1202-1205, 発行日 2020-10-19
• 出版者 / 言語: ja
• 出版者: 情報処理学会