文献

J-GLOBAL ID：201602271758093713   整理番号：16A0886150

アニーリングが遷移サンプリングに基づく有向主題モデルの学習手法【JST・京大機械翻訳】

A tempered transition based learning algorithm for undirected topic model

著者 (3件)： Jiang Xiaojuan (Institue of Automation,Chinese Academy of Science) ,  Zhang Wensheng (Institue of Automation,Chinese Academy of Science) ,  Yang Yang (Institue of Automation,Chinese Academy of Science)
資料名： Nanjing Daxue Xuebao. Zirankexue  (Nanjing Daxue Xuebao. Zirankexue)
巻： 52  号： 2  ページ： 335-342  発行年： 2016年 
JST資料番号： C2593A  ISSN： 0469-5097  CODEN： NCHPAZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： REPLICATED SOFTMAX MODEL,テキストデータマイニングのための有向確率主題モデルであり,コーパスからの主題の分布を記述するために1つの機能は,強力なフレームワークを提供した。しかし,1つの無向確率グラフモデルとして,正規化定数の存在のため,このモデルのパラメータの学習は非常に困難なものである。この問題に対して,アニーリングを遷移MARKOV連鎖モンテカルロサンプリング法を用いて,近似最尤学習のアイデアを借りて,モデルのパラメータ学習を実現した。このアルゴリズムはアニーリングが遷移に基づくMARKOV連鎖モンテカルロサンプリング法を用いて,いくつかの孤立モードの確率分布が存在し,効率的に探索し,確率分布の近似程度の向上,したがってパラメータ学習の効率と精度を向上した。実験結果は,訓練時間と汎化能力と文書検索などの3つの側面のアルゴリズムの優位性を証明した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 文献検索 ,  アルゴリズム ,  コーパス ,  近似法 ,  確率分布 ,  最尤法 ,  *焼なまし ,  汎化 ,  正規化 ,  *学習
準シソーラス用語： パラメータ学習 ,  モンテカルロサンプリング ,  グラフモデル , 【Automatic Indexing@JST】

著者キーワード (4件)： probabilistic topic model ,  probabilistic reasoning ,  Markov chain Monte Carlo ,  tempered transitions

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： アニーリング ,  遷移 ,  サンプリング ,  主題 ,  モデル ,  学習 ,  手法