文献

J-GLOBAL ID：201802234356343071   整理番号：18A0943313

反復ハッシングを保存する擬似逆局所性【JST・京大機械翻訳】

Pseudo-inverse locality preserving iterative hashing

著者 (3件)： Du Zhongshu (Nanjing University of Science and Technology, Nanjing, China) ,  Wang Yongli (Nanjing University of Science and Technology, Nanjing, China) ,  Sun Huacheng (Nanjing University of Science and Technology, Nanjing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PIC  ページ： 341-345  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： ハッシング学習は,データの急速な増加により,これらの年の注目を集めている。いくつかの高次元データは,伝統的方法を無効にする次元災害を引き起こした。本論文では,擬似逆局所性保存反復ハッシング(PLIH)と名付けた,高次元データから最近傍を迅速に発見する方法を提案した。行列特異性の問題を解くために,逆行列を置換するために擬似逆変換を用いた。隣接グラフを構築し,射影行列を高次元の近傍関係を維持するために部分空間における近傍の距離を最小化し,局所性高感度ハッシュが高次元近傍関係を効果的に保存できないという問題を解決した。異なる重みを持つ異なるビットは同じ重さよりも多くの識別力を持つので,量子化過程における射影行列の損失は重み付き反復量子化により最小化される。公開データセットCnn_4096d_CaltechとGist_512d_Caltechに関する実験は,PLIPHの精度と再現が両方とも従来のハッシングアルゴリズムより良いことを証明した。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： 高次元 ,  逆行列 ,  高感度 ,  学習 ,  逆変換 ,  量子化 ,  *局所性 ,  *ハッシング ,  高速度
準シソーラス用語： 部分空間 ,  射影行列 ,  特異性 ,  近傍 ,  高次元データ , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 反復 ,  ハッシング ,  保存 ,  擬似 ,  局所性