文献

J-GLOBAL ID：201702215834609786   整理番号：17A1400640

失われた情報を用いた線形モデルの予測精度を高めるにおける経験的共分散行列の使用【Powered by NICT】

Using empirical covariance matrix in enhancing prediction accuracy of linear models with Missing Information

著者 (4件)： Moradipari Ahmadreza (Advanced Communications Research Institute (ACRI), and Electrical Engineering Department, Sharif University of Technology, Tehran, Iran) ,  Shahsavari Sina (Advanced Communications Research Institute (ACRI), and Electrical Engineering Department, Sharif University of Technology, Tehran, Iran) ,  Esmaeili Ashkan (Advanced Communications Research Institute (ACRI), and Electrical Engineering Department, Sharif University of Technology, Tehran, Iran) ,  Marvasti Farokh (Advanced Communications Research Institute (ACRI), and Electrical Engineering Department, Sharif University of Technology, Tehran, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SampTA  ページ： 446-450  発行年： 2017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： 失われた情報(MI)シナリオにおける推論と推定は統計的学習理論と機械学習(ML)における重要な話題である。ML文献では,正確な特徴選択法による予測を拡張させる試みを実施した。疎な線形モデルでは,LASSOは,信号の有望な担持体を抽出し,ノイズのあるシステムに対する抵抗のよく知られている。スパースモデルもMIに苦しんでいる場合,欠損モデルのスパース回復と推論を同時に考慮した。本論文において,筆者らは行列補完精度を改善するためのスパース回帰と共分散行列推定を,予測平均二乗誤差(MSE)の減少につながる特徴選択精度を高める結果としてアプローチを紹介する。特徴選択における使用されない場合に推定精度を高めるのに共分散行列を使用することの効果を比較した。シミュレーションは共分散行列推定を使用しない場合に比べて性能の改善を示した。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： 雑音 ,  *予測 ,  機械学習 ,  特徴選択 ,  透視図法
準シソーラス用語： 推定精度 ,  平均二乗誤差 ,  行列補完 ,  統計的学習理論 ,  *共分散行列 ,  *予測精度 ,  *線形モデル , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 線形モデル ,  予測精度 ,  経験 ,  共分散行列