縮小ランクモデリングによる混合および不完全結果の利用【JST・京大機械翻訳】

Luo Chongliang; Liang Jian; Li Gen; Wang Fei; Zhang Changshui; Dey Dipak K.; Chen Kun

文献

J-GLOBAL ID：201802232461407180 整理番号：18A1389788

縮小ランクモデリングによる混合および不完全結果の利用【JST・京大機械翻訳】

Leveraging mixed and incomplete outcomes via reduced-rank modeling

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A1389788&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A1389788&from=J-GLOBAL&jstjournalNo=D0675A") }}

著者 (7件)： , , , , , ,
資料名：
巻： 167 ページ： 378-394 発行年： 2018年
JST資料番号： D0675A ISSN： 0047-259X 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

可能性のある高次元の多変量特徴を有する多変量結果は,様々な分野で日常的に生産される。多くの現実世界の問題において,収集された結果は,連続測定,二値指標および計数を含む混合型であり,また,実質的な値の割合も欠落している可能性がある。それらのタイプにかかわらず,これらの混合結果はしばしば相互関係があり,多様な反射または同じ基礎データ生成メカニズムの見解を表している。このように,統合的多変量モデルは有益である。異なる予測タスク間の情報共有を効果的に可能にする混合結果縮小ランク回帰を開発した。著者らのアプローチは,すべての結果が特徴によってスパンニングされた共有低次元部分空間を通して関連していると仮定することによって,指数分散ファミリーに属する混合および部分的に観察された結果を統合した。一般的特異値正則化基準を提案し,指数関数族からの混合結果による教師つき学習と欠落データの一般サンプリング方式の文脈において,提案した推定器に対する非漸近性能限界を確立した。収束保証による最適化のために,反復特異値閾値化アルゴリズムを開発した。著者らのアプローチの有効性を,シミュレーション研究とエージングの長期研究における健康関連結果の予測への応用により実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

パターン認識 , 人工知能 , システム・制御理論一般

前のページに戻る