文献

J-GLOBAL ID：201702233318216050   整理番号：17A1257410

ランダムFourier特徴カーネルは再帰最小二乗法【Powered by NICT】

Random fourier feature kernel recursive least squares

著者 (3件)： Qin Zhengda (Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University, Xi’an, China) ,  Chen Badong (Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University, Xi’an, China) ,  Zheng Nanning (Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University, Xi’an, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 2881-2886  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： 本論文では,ポピュラーなGaussカーネルを近似できることを非線形,有限次元とデータ独立ランダムFourier特徴展開を調べた。再帰最小二乗アルゴリズムを用いて,ランダムFourier特徴再帰最小二乗アルゴリズム(RFF RLS),カーネル最小平均二乗(KLMS)とKerne再帰最小二乗(KRLS)のようないくつかの他のオンラインカーネル学習アルゴリズムと比較した時に,シミュレーションにおける顕著な性能改善を示したを開発した。著者らの結果は,RFF RLSは,低い計算コストで望ましい性能を達成できることを確認した。ランダムFourier特徴に関しては,ランダム化は一般的に冗長性をもたらした。アルゴリズム,すなわち,情報理論的学習(VQIT)を用いたベクトル量子化を用いる辞書サイズを減少させた。得られたスパース辞書は,元のデータ分布を良く適合できた。VQITとRFF RLSはVQITなしRFF RLSよりも優れていることができる。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： 情報理論 ,  学習アルゴリズム ,  学習 ,  *最小二乗法 ,  ベクトル量子化 ,  冗長性 ,  透視図法 ,  アルゴリズム
準シソーラス用語： 計算コスト ,  Gaussカーネル , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  信号理論  (ND02020G) ,  フィルタ一般  (NC04021I)

タイトルに関連する用語 (2件)： カーネル ,  最小二乗法