文献

J-GLOBAL ID：201702230172456991   整理番号：17A1257158

グループワイズBayes次元縮小【Powered by NICT】

Groupwise Bayesian dimension reduction

著者 (4件)： Zhang Bo (IBM, Durham, NC 27703, USA) ,  Wang Liwei (Pharmaceutical Product Development Inc., Morrisville, NC 27560, USA) ,  Yan Song (University of North Carolina Chapel Hill, NC 27599, USA) ,  Sung Chul (IBM, Austin, TX 78758, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 992-996  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： 回帰における中央部分空間の全ての既存推定に近い頻度論的アプローチを採用した。しかし,予測因子は多数のグループに入ると,これらの頻度論的方法は,すべての予測因子を治療無差別と応答間の特異的関係と予測因子の損失をもたらす可能性がある。本論文では,そのようなグループ知識を組み込んだ次元縮小のためのBayes解を提案した。分散は中心部分空間の直接和の形に拘束され,有限混合モデルを用いた十分な予測因子の観点から応答密度を直接モデル化前を配置した。この方式は計算的に効率的であり,カテゴリー予測因子,欠落予測因子,およびBayes変数選択を処理するための統一フレームワークを提供する。シミュレーション研究と温度データセットの解析の両方を用いて方法を説明した。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： 治療法 ,  シミュレーション ,  *次元縮小 ,  モデリング
準シソーラス用語： 変数選択 ,  有限混合モデル ,  予測因子 ,  部分空間 , 【Automatic Indexing@JST】

分類 (5件)： システム・制御理論一般  (IA02010H) ,  統計学  (AB08000H) ,  通信網  (ND07030A) ,  無線通信一般  (ND08010L) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： グループ ,  次元縮小