文献

J-GLOBAL ID：201702267547280888   整理番号：17A0021235

異種モバイルデータからの多面的学習潜在活性【Powered by NICT】

Learning Multifaceted Latent Activities from Heterogeneous Mobile Data

著者 (6件)： Nguyen Thanh-Binh ,  Nguyen Vu ,  Nguyen Thuong ,  Venkatesh Svetha ,  Kumar Mohan ,  Phung Dinh
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： DSAA  ページ： 389-398  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 不均一データから抽象状況と活動を推論するコンテキストアウェアなユビキタス応用に重要であるが,最も挑戦的な問題の一つである。階層的Dirichlet過程(HDP)に基づくトピックモデルの特定の理論における,Bayesノンパラメトリック機械学習における最近の進歩は,これらの課題に向けたエレガントなソリューションを提供してきた。しかし,モバイルデバイスから収集されたもののような不均質データ源からの潜在的多面的活動と文脈を推論する問題を検討した限られた既存の方法。本論文では,オリジナルHDPはベース尺度積空間の豊富な構造を用いた不均一データをモデル化するために拡張した。積空間HDP(PS HDP)と呼ばれる,提案したモデルは自然に複数情報源からの不均一データを扱うと原理方法における潜在構造の未知の数を同定した。このフレームワークは一般的であるが,現在の研究では,主に,した場合の3倍活性(潜在的)を推定する同時にに焦点を当て,これは同定,位置と時間のために収集されたデータから活性誘導に対応している。合成データだけでなく,実世界データセット StudentLifeデータセット上で提案モデルを実証した。結果を報告し,モデルの性能を実証するために発見された活性とパターンの解析を提供した。もF1スコア,NMI,RI,純度を含む標準的なメトリックスを用いたPS HDPモデルの性能を定量的に評価すると,よく知られた既存のベースライン法と比較した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ノンパラメトリック法 ,  情報源 ,  機械学習 ,  基準線 ,  モデリング ,  *学習 ,  純度
準シソーラス用語： メトリックス ,  スコア ,  モバイルデバイス ,  トピックモデル ,  Dirichlet過程 ,  ユビキタス , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (3件)： モバイル ,  学習 ,  活性