선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이제까지 우리는 특징 축소 이전의 NBN, BAN, GBN의 뿐류 성능과 더呈어 Markov bla가cet내의 5개 특징들로 특 징집함을 축소한 후 얻어진 NBNSF. BANSF, G8NSF 등의 문류성능에 대해서도 살펴본다. 특징 축소 이전의 NBN 과 BAN에 비해 각각 특징 축소 이牵의 NBNSF와 BANSF 의 분류 성능이 모두 증가되었음을 알 수 있다.
- 이런 영역지식이 기존의 전문가듈이 갖고 있는 지식과 일치하는지도 살펴본다. 또한 베이지안망 학습은 대상이 되는 특징들의 수에 많은 시간적 부하룰 주게 되므로 특 징듫의 수홀 줗이는 방법에 대해서도 연구해 본다. 이러한 연구룔 통하여 베이지안망이 변수들 간의 홬률관계를 축약된 형태로 표현하는테 최적의 모델로서, 확률적 추론, 예측, 의사결정을 요하는 분야에 잘 적용되는 분류기 임을 의료영역에서 확인하기 위하여 임상 데이터를 분석한다.
- 또한 본 연구에서는 하나의 베이지 안망에서 클래스노 드의 Markov 비 anket에 속한 특징들로 축소하는 것이 베이지안망 분류기들의 성능을 높여줄 수 있는지를 알아보기 위한 실험을 전개하였고 이를 통해 NBN과 BAN의 경우 성능 개선이 뚜렷하게 나타남을 확인하였다. GBN의 경우는 특징을 축소한 학습이 오히려 성능을 저하시키는 결과를 보여주었다.
- 본 연구에서는 병원에 래원한 환자들에 대한 실재의 임상 데이터로부터 룰임과 관련된 특징들 간의 의존성을 표현하고 뿐석하는테 베이지안망(Bayesian network)을 적용해 보고자 한다. 실험을 롱해 베이지안망의 여러 유 형둃을 학습하고 이를 바탕으로 영역지식읗 표현한다.
- 실험을 롱해 베이지안망의 여러 유 형둃을 학습하고 이를 바탕으로 영역지식읗 표현한다. 이런 영역지식이 기존의 전문가듈이 갖고 있는 지식과 일치하는지도 살펴본다. 또한 베이지안망 학습은 대상이 되는 특징들의 수에 많은 시간적 부하룰 주게 되므로 특 징듫의 수홀 줗이는 방법에 대해서도 연구해 본다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.