文献

J-GLOBAL ID：201702258420889828   整理番号：17A1347582

階層Pitmanのオンライン学習 特徴選択を用いた一般化Dirichlet分布のYor過程混合【Powered by NICT】

Online Learning of Hierarchical Pitman-Yor Process Mixture of Generalized Dirichlet Distributions With Feature Selection

著者 (3件)： Fan Wentao (Department of Computer Science and Technology, Huaqiao University, Xiamen, China) ,  Sallay Hassen (College of Computer and Information Systems, Umm Al-Qura University, Mecca, Saudi Arabia) ,  Bouguila Nizar (Concordia Institute for Information Systems Engineering, Concordia University, Montreal, QC, Canada)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 9  ページ： 2048-2061  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  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： 本論文では,階層Pitman-Yor過程と一般化Dirichlet分布(GD)に基づく新しい統計的生成モデルを提示した。提案したモデルは,GD分布の興味ある性質のおかげで関節クラスタリングと特徴選択を行うことができた。高次元例からの学習の問題に取り組むという著者らの得られたモデルのKullback-Leibler発散の最小化の観点から定式化し,オンライン変分推論アルゴリズムを開発した。変分Bayes定式化を同時にパラメータを推定する,モデルの複雑さを決定し,クラスター構造のための適切な関連性のある特徴を選択できる。さらに,提案したオンライン学習アルゴリズムは逐次的であり,大規模と実時間応用のための重要な処理であることがデータインスタンスを可能にした。,提案アプローチでは,高次元空間における視覚学習のための教師なし技術として注目されているが,挑戦的な応用,すなわち,シーン認識とビデオセグメンテーションを用いて行った実験は,提案した手法が適しており,有望であることを示した。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： *学習 ,  学習アルゴリズム ,  定式化 ,  *特徴選択 ,  変分法 ,  クラスタ化 ,  高次元 ,  視覚
準シソーラス用語： シーン理解 ,  変分推論 ,  *オンライン ,  例からの学習 ,  生成モデル ,  *Dirichlet分布 ,  *オンライン学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 階層 ,  オンライン学習 ,  特徴選択 ,  一般化 ,  Dirichlet分布