{{ $t("message.ADVERTISEMENT") }}
{{ $t("message.AD_EXPIRE_DATE") }}{{ad01_expire_date}}
{{ $t("message.ADVERTISEMENT") }}
{{ $t("message.AD_EXPIRE_DATE") }}{{ad02_expire_date}}
文献
J-GLOBAL ID:201602287490283053   整理番号:16A0723829

非線形埋込み型特徴量選択のための単結合ニューラルネットワークの提案

Non-linear Embedded Feature Extraction Method using Comb-shaped Neural Network
著者 (6件):
資料名:
巻: 116  号: 121(IBISML2016 1-8)  ページ: 127-131  発行年: 2016年06月27日
JST資料番号: S0532B  ISSN: 0913-5685  資料種別: 会議録 (C)
記事区分: 原著論文  発行国: 日本 (JPN)  言語: 日本語 (JA)
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。
特徴量選択手法は,選択の基準によってラッパー法,フィルター法,埋込み法に分類できるが,埋込み法はいわゆるスパースモデリングへの有効性から,近年活発に研究されている。従来研究では,線形モデルとしてLassoが代表的であり,非線形モデルとしてカーネル法を用いた手法が複数提案されている。本研究では,従来手法とは異なる単結合ニューラルネットワークを用いたアプローチによる非線形な埋込み型特徴量選択法を提案する。加法モデルと非加法モデルから生成した人工データを用いた実験で,特徴量選択と関数近似の観点でLassaを上回る結果を得た。(著者抄録)
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 

前のページに戻る