文献

J-GLOBAL ID：201802245332126651   整理番号：18A0446191

マルチスレッドGauss混合モデル,k-平均と期待値最大化のオープンソースC++実現【Powered by NICT】

An open source C++ implementation of multi-threaded Gaussian mixture models, k-means and expectation maximisation

著者 (2件)： Sanderson Conrad (Data61, CSIRO, Australia) ,  Curtin Ryan (Symantec Corporation, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSPCS  ページ： 1-8  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： 多変量密度のモデル化は,多くの信号処理,パターン認識や機械学習応用のコア成分である。モデリングでは,Gauss混合モデル(GMM)を介して行われるが,これは計算量的に高価であり,潜在的に不安定な訓練アルゴリズムを用いた。C++言語におけるGMMの高速でロバストな実装の概要を提供し,期待値最大化(EM)とk-平均訓練アルゴリズムのマルチスレッド版を採用している。マルチスレッディングは,EMとk-平均アルゴリズムの再定式化MapReduce的なフレームワークに達成された。この実行は,さらに,数値安定性とモデリング精度を改善するためにいくつかの技術を使用している。マルチスレッド実行は最近16コアマシン上での大きさのための高速化を達成することを,以前に確立された公的にアクセス可能な実装よりも高いモデル化精度を達成できることを示した。マルチスレッド実装は,最近の放出オープンソースArmadillo C++線形代数ライブラリのユーザフレンドリなクラスとして含まれている。ライブラリーは許容Apache2.0ライセンスの元に提供し,市販製品におけるunencumbered使用を可能にした。Copyright 2018 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： 高速度 ,  パターン認識 ,  信号処理 ,  高速化 ,  ロバスト性 ,  機械学習 ,  線形代数 ,  学習アルゴリズム ,  計算量 ,  モデリング ,  *マルチスレッド ,  定式化
準シソーラス用語： *オープンソース ,  *EMアルゴリズム ,  *Gauss混合モデル , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： マルチスレッド ,  Gauss混合モデル ,  平均 ,  期待値最大化 ,  オープンソース ,  C++