文献

J-GLOBAL ID：201802254400333645   整理番号：18A1908034

ランダム射影ニューラルネットワーク近似【JST・京大機械翻訳】

Random Projection Neural Network Approximation

著者 (1件)： Andras Peter (School of Computing and Mathematics, Keele University, Newcastle-under-Lyme, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-8  発行年： 2018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： ニューラルネットワークは,高次元データ空間(例えば,テキストデータ,ゲノムデータ,マルチセンサデータ)上で定義された関数を近似するためにしばしば用いられる。このような近似タスクは,通常,次元の簡潔さのために困難であり,改善された方法は,それらを効果的かつ効率的に扱うために必要である。データは一般的に低次元多様体上に存在するので,データをより低次元に投影し,次にこの低次元投影データ空間上でニューラルネットワーク近似を構築するために種々の方法が提案されている。ここでは,このアプローチを追跡し,データのランダム射影を用いて弱い学習のアイデアと組み合わせた。データのランダム投影は良く働き,近似誤差は元のデータ空間における関数の近似の場合より小さいことを示した。このアプローチを最適化する目的でランダム射影を調べた。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： 多様体 ,  *ニューラルネットワーク ,  *近似法 ,  ゲノム ,  最適化 ,  *射影
準シソーラス用語： 低次元 ,  マルチセンサ ,  高次元データ , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 射影 ,  ニューラルネットワーク ,  近似