文献

J-GLOBAL ID：201702210085133623   整理番号：17A1969780

データの事後分布に基づくスパースBayes類似性学習【Powered by NICT】

Sparse Bayesian similarity learning based on posterior distribution of data

著者 (3件)： Zabihzadeh Davood (Computer Department, Engineering Faculty, Ferdowsi University of Mashhad (FUM), Mashhad, Iran) ,  Monsefi Reza (Computer Department, Engineering Faculty, Ferdowsi University of Mashhad (FUM), Mashhad, Iran) ,  Yazdi Hadi Sadoghi (Computer Department, Engineering Faculty, Ferdowsi University of Mashhad (FUM), Mashhad, Iran)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 67  ページ： 173-186  発行年： 2018年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 類似性/距離学習における主要な課題である類似性のヒト概念に近い強測度を達成した。本論文では,データ分布を考慮することにより,より効果的な類似性測度をもたらすことができる理由を示した。添加して,本研究は,データの事後分布を利用した新しいスケーラブルな類似性測度を紹介し,データから提案された測度を学習する実用的アルゴリズムを開発した。このアルゴリズムのスケーラビリティを解決するために,観察されたデータはいくつかの部分空間に近いことを低次元潜在変数から生じたと仮定した。現在提案されている方法の他の利点は(1)は新しいインスタンス間の類似性を計算する計量を結合するための理にかなった方法,局所メトリック学習法とは異なる。(2)自動は潜在部分空間の実次元を同定する,Bayesフレームワークを用いたシステムのパラメータに対する適切な事前確率を定義した。(3)低次元部分空間へのより良い射影の発見,学習によるこれらの部分空間上の潜在変数の雑音。本法は応用から得られた種々の実データセット上で評価し,顔検証,手書き数字と音声文字認識,ネットワーク侵入検出,および画像分類。実験結果は,提案した方法が,小規模と大規模両方のデータセット上でその他の最先端技術計量学習法よりも著しく優れていることを確認した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *類似性 ,  ヒト ,  *学習 ,  事前確率 ,  雑音 ,  ネットワーク ,  アルゴリズム ,  測度 ,  文字認識
準シソーラス用語： 画像分類 ,  侵入検知 ,  潜在変数 ,  低次元 ,  部分空間 ,  *事後分布 , 【Automatic Indexing@JST】

著者キーワード (5件)： 類似性学習 ,  メトリック学習 ,  潜在空間 ,  後分布 ,  Bayes推論

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 事後分布 ,  類似性 ,  学習