文献

J-GLOBAL ID：201702245949494982   整理番号：17A0795399

スパースで雑音のある類似性測定からのラプラシアン固有マップ【Powered by NICT】

Laplacian Eigenmaps From Sparse, Noisy Similarity Measurements

著者 (2件)： Levin Keith (Department of Computer Science, Johns Hopkins University, Baltimore, MD, USA) ,  Lyzinski Vince (Department of Applied Mathematics and Statistics and the Human Language Technologies Center of Excellence, Johns Hopkins University, Baltimore, MD, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 65  号： 8  ページ： 1988-2003  発行年： 2017年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
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： 多様体学習と次元縮小技術は科学と工学のどこにでも存在するが,大規模データセットに適用した場合,または類似した計算に費用と計算的に高価な方法である。今日まで,計算資源との間のトレードオフと学習表現の品質を調査するために行われてきた研究は少ない。はこの問題の理論的および実験的調査を提示した。特に,カーネル行列に基づくラプラシアン固有マップ埋込みを考察し,このカーネル行列は,閉塞と雑音で汚染された場合の埋込みはどのように振舞うか調べた。著者らの主要な理論的結果は中程度の雑音やオクルージョン仮定の下で,著者らはいないカーネル行列に基づくラプラシアン固有マップ埋め込みの良好な近似を回収(高い確率で)ことを示した。著者らの結果はまた,正則化は,この近似を支援できるかを示した。実験的に,著者らは二種の実世界データセットのLaplace固有マップ埋め込みに関するノイズやオクルージョンの影響,音声処理から1と神経科学からの一つであるのみならず合成データセットを調べた。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： 正則化 ,  学習 ,  *雑音 ,  音声処理 ,  次元縮小 ,  品質 ,  神経科学 ,  オクルージョン
準シソーラス用語： 大規模データセット ,  多様体学習 ,  *ラプラシアン固有マップ , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 雑音 ,  類似性測定 ,  ラプラシアン固有マップ