文献

J-GLOBAL ID：201702236476723577   整理番号：17A0909657

不完全データセットにおけるEuclid距離推定【Powered by NICT】

Euclidean distance estimation in incomplete datasets

著者 (4件)： Mesquita Diego P.P. (Federal University of Ceara, Department of Computer Science, Fortaleza, CE, Brazil) ,  Gomes Joao P.P. (Federal University of Ceara, Department of Computer Science, Fortaleza, CE, Brazil) ,  Souza Junior Amauri H. (Federal Institute of Ceara, Department of Computer Science, Maracanau, CE, Brazil) ,  Nobre Juvencio S. (Federal University of Ceara, Department of Statistics and Applied Mathematics, Fortaleza, CE, Brazil)
資料名： Neurocomputing  (Neurocomputing)
巻： 248  ページ： 11-18  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： 本論文では,二つの多分不完全特徴ベクトル間のユークリッド距離の期待値を推定する方法を提案した。ランダムな仮定での消失のもとで,著者らは,ユークリッド距離は仲上分布パラメータでは,未知データ分布のモーメントの関数として表現でモデル化できることを示した。この定式化では,データ分布はGauss分布の混合物を用いてモデル化した。,期待されるEuclid距離(EED)と命名した提案した方法を,合成と実世界データを用いた一連の実験により検証した。さらに,最小学習機械(MLM),距離ベース教師つき学習法にEEDの適用を示した。実験結果は,EEDは間接的にEuclid距離を推定する既存の方法より優れていることを示した。MLMにEEDの応用は,有望な結果を提供することを観察した。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： *教師つき学習 ,  期待値 ,  定式化 ,  正規分布 ,  モーメント ,  学習機械 ,  モデリング
準シソーラス用語： 仲上分布 ,  特徴ベクトル ,  *Euclid距離 ,  *不完全データ , 【Automatic Indexing@JST】

著者キーワード (3件)： 失われたデータ ,  Euclid距離 ,  極小学習機械

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 不完全データ ,  Euclid距離 ,  推定