文献

J-GLOBAL ID：201702256918447221   整理番号：17A1632511

高次元オンライン適応フィルタリング【Powered by NICT】

High-dimensional Online Adaptive Filtering ^* * This work is supported by Swedish Research Council under contract 621- 2007-6364. S. Yasini (corresponding author) and K. Pelckmans are with the Division of Systems and Control, Department of Information Technology, Uppsala University, Box 337, SE-751 05 Uppsala, Sweden.

著者 (2件)： Yasini Sholeh (Department of Information Technology, Uppsala University, 752 37 Uppsala) ,  Pelckmans Kristiaan (Department of Information Technology, Uppsala University, 752 37 Uppsala)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 50  号： 1  ページ： 14106-14111  発行年： 2017年 
JST資料番号： W3101A  ISSN： 2405-8963  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： ユニバーサルな予測の観点から生じるオンライン学習における最近の進歩は,予測性能保証を持つアルゴリズムをもたらしたが,これらの技術は,高次元データに対処することができない。本論文では,この挑戦課題を検討し,低理論的後悔結合し,計算的に効率的なアルゴリズムをランダム射影勾配降下(RP GD)アルゴリズムを解析した。アルゴリズムの性能は後知恵における最良のオフライン,計算的に複雑な,高次元アルゴリズムの性能に収束することを示した。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： 射影 ,  *高次元 ,  *適応フィルタリング ,  アルゴリズム
準シソーラス用語： オフライン ,  高次元データ ,  予測性能 ,  オンライン学習 ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (4件)： 高次元データ ,  オンライン勾配降下 ,  ランダム射影 ,  ・リグレット限界

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 高次元 ,  オンライン ,  適応フィルタリング