文献

J-GLOBAL ID：201702277460018753   整理番号：17A1724781

多重Gaussカーネルを用いたL~2次元空間におけるオンライン学習【Powered by NICT】

Online learning in L² space with multiple Gaussian kernels

著者 (2件)： Ohnishi Motoya (Dept. Electronics and Electrical Engineering, Keio University, Japan) ,  Yukawa Masahiro (Dept. Electronics and Electrical Engineering, Keio University, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUSIPCO  ページ： 1594-1598  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 入力信号の確率的特性を反映したL~2次元空間における反復直交射影に基づく非線形関数推定のための新しいオンライン学習パラダイムを提案した。任意の有限次元部分空間は再生カーネル,その基盤のGram行列の項で与えられるを持っているという事実上に構築されているオンラインアルゴリズム。本研究で用いた基底は多重Gaussカーネルを含んでいる。アルゴリズムにより生成された配列を推定する非線形関数の,L~ノルムの意味で,最良の近似へのアプローチが期待されている。再生カーネルH ilbert空間における最良近似は一般的に部分空間上での最小平均二乗誤差推定器(YukawaとMueller2016)と異なるので,これは従来のカーネル適応フィルタリングパラダイムとは全く対照的である。数値例により,提案アプローチの有効性を示した。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： *多重化 ,  基底 ,  適応フィルタリング ,  アルゴリズム ,  ノルム ,  近似法
準シソーラス用語： 最小平均二乗誤差 ,  オンラインアルゴリズム ,  部分空間 ,  非線形関数 ,  直交射影 ,  入力信号 ,  *オンライン学習 ,  *Gaussカーネル , 【Automatic Indexing@JST】

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)： 多重 ,  Gaussカーネル ,  オンライン学習