文献

J-GLOBAL ID：201802214985633508   整理番号：18A0726900

意味多様体を保存するための弁別局所ハッシング【JST・京大機械翻訳】

Discriminatively Local Hashing for Preserving Semantic Manifold

著者 (5件)： Zhang Xiaopeng ,  Zhang Hui ,  Liu Rui ,  Chen Yong ,  Ye Zhiwen
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DASC/PiCom/DataCom/CyberSciTech  ページ： 1009-1016  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： そのコンパクトな圧縮と経済的計算のために,ハッシュへの学習は,意味コンピューティングや検索エンジンのような様々な知的タスクのためのデータ埋め込み,記憶,インデクシング,およびコンピューティングにおいてますます重要になっている。しかしながら,多くの既存のハッシング法は,通常のユークリッド空間において,Lpメトリックが,通常,実際的なシナリオにおけるケースでない意味論的類似性を表すという仮定により概略化されている。このような観測に関して,著者らは,より一般的なManifold空間における,保存意味的マニフォールド(DLH)のための離散的局所ハッシュと呼ばれる,ハッシングのための新しい学習パラダイムを提案した。より具体的には,意味のある多様体を保存するために,最初に,適切な最近傍を,ユークリッド計量によるGraph意味論のために選択した。次に,教師つきラベルを,意味埋め込みを微調整するために,以前の選択されたものにおける実際の近傍であると区別するために,さらに活用した。いくつかの公開データセットに関するいくつかの補完ベースラインと比較して,著者らの提案方法DLHは,はるかに良いか少なくとも同等である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *ハッシング ,  Euclid空間 ,  学習 ,  *多様体 ,  検索エンジン ,  意味論 ,  CASE ,  マニホールド ,  類似性 ,  基準線
準シソーラス用語： 近傍 ,  ホップ数 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 意味 ,  多様体 ,  保存 ,  ハッシング