抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
伝統的な機械学習アルゴリズムは,しばしば,集中データに計算を必要とするが,現代のデータセットは分散的やり方で収集し,貯蔵される。集中位置への移動データのコストに加えて,プライバシーとセキュリティに対する懸念の増加は,分散アプローチを正当化した。keybin,高次元空間のための分散キービニングクラスタリングアルゴリズムを提案した。keybinは他のデータの知識を必要とせずにすべての次元の各データ点に対して空間鍵を生成する。,地球クラスタ化配置を形成する指数空間における概念マップ低減手順を実行する。実装とこのアプローチの可能性と限界に関する事例研究,このアルゴリズムは制約された通信による全地球クラスタ化構造を学習でき,データセットの次元性とサイズに対応できることを示す。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】