抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】