文献

J-GLOBAL ID：201802217904415027   整理番号：18A1573181

スパースベイズによる多様体学習【JST・京大機械翻訳】

Manifold Learning Based on Sparse Bayesian Approach

著者 (4件)： Chen Bingfei (中国科学技術大学計算机科学与技術学院,安徽合肥,230027) ,  Jiang Bingbing (中国科学技術大学計算机科学与技術学院,安徽合肥,230027) ,  Zhou Xiren (中国科学技術大学計算机科学与技術学院,安徽合肥,230027) ,  Chen Huanhuan (中国科学技術大学計算机科学与技術学院,安徽合肥,230027)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 46  号： 1  ページ： 98-103  発行年： 2018年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多様体データセットに関する現在の監督学習アルゴリズムの分類性能の欠陥は,分類精度が低く,スパース性が限られているので,スパースBayes法と流行正則化フレームワークに基づいている。ManifoldLearningBasedonSparseBayesianApproach(MLSBA)と呼ばれる新しいスパースマニホールド学習アルゴリズムを提案した。このアルゴリズムはスパースベイズモデルの拡張であり,モデルの重みづけでスパース多様体の事前定義を定義でき,サンプルデータのマニホールド情報を有効に利用し,アルゴリズムの分類精度を改善した。種々のデータセットに関する実験結果は,MLSBAがマニホールドデータセットにおいて良い分類性能を得るだけではなく,また,非マニホールドデータセットにおいても良い性能を持つことを示して,同時に,2つのデータセットに関して良いスパース性を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  マニホールド ,  正則化 ,  重みづけ ,  *多様体 ,  アルゴリズム ,  学習アルゴリズム
準シソーラス用語： Bayes法 ,  スパース性 ,  分類精度 ,  *多様体学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： Laplacian ,  sparse Bayesian ,  sparse manifold prior ,  manifold regularization

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (1件)： 多様体学習