文献

J-GLOBAL ID：201702210836914652   整理番号：17A0369085

多重構造モデルあてはめのための統一仮説生成フレームワーク【Powered by NICT】

A unified hypothesis generation framework for multi-structure model fitting

著者 (4件)： Lai Taotao (Fujian Key Laboratory of Sensing and Computing for Smart City, School of Information Science and Engineering, Xiamen University, Fujian, China) ,  Wang Hanzi (Fujian Key Laboratory of Sensing and Computing for Smart City, School of Information Science and Engineering, Xiamen University, Fujian, China) ,  Yan Yan (Fujian Key Laboratory of Sensing and Computing for Smart City, School of Information Science and Engineering, Xiamen University, Fujian, China) ,  Zhang Liming (Faculty of Science and Technology, University of Macau, Macao)
資料名： Neurocomputing  (Neurocomputing)
巻： 222  ページ： 144-154  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 有望な仮説は多重構造モデルフィッティング法の成功に重要な役割を果たしている。しかし,従来の多重構造仮説生成戦略はその後の仮説生成プロセスをガイドするためのモデル選択の結果から得られた情報を利用していない。これは,これらの仮説生成戦略は有望な仮説,特に高度に汚染された多重構造データを生成するためのしばしばは計算的に高価であるという問題をもたらした。この問題を解決するために,最初にモデル選択の結果から得られた情報を用いて有望な仮説生成プロセスを高速化するために導波サンプリング戦略を提案した。統一仮説生成(UHG)フレームワーク,冷却スケジュールに基づくモンテカルロプロセスをMarkov連鎖を用いて提案した誘導サンプリング戦略を用いた従来の多重構造仮説生成戦略を効果的に組み合わせたを示した。公共データベース上での実験結果は,提案したUHGは,精度と効率の観点から,特に多重構造データのいくつかの最先端サンプリング法に比べて大きな優位性を達成することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高速化 ,  Markov連鎖 ,  *仮説生成 ,  データベース
準シソーラス用語： モデル選択 ,  モデルあてはめ , 【Automatic Indexing@JST】

著者キーワード (4件)： モデルフィッティング ,  仮説生成 ,  統一フレームワーク ,  マルチ構造データ

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 多重構造 ,  モデルあてはめ ,  仮説生成 ,  フレームワーク