文献

J-GLOBAL ID：201802266371976941   整理番号：18A0845655

マルチターゲットスパース潜在回帰【JST・京大機械翻訳】

Multitarget Sparse Latent Regression

著者 (7件)： Zhen Xiantong (Department of Medical Biophysics, University of Western Ontario, London, ON, Canada) ,  Yu Mengyang (Department of Computer Science and Digital Technologies, Northumbria University, Newcastle upon Tyne, U.K.) ,  Zheng Feng (Department of Electrical and Electronic Engineering, The University of Sheffield, Sheffield, U.K.) ,  Nachum Ilanit Ben (Department of Medical Biophysics, University of Western Ontario, London, ON, Canada) ,  Bhaduri Mousumi (London Health Sciences Centre, London, ON, Canada) ,  Laidley David (London Health Sciences Centre, London, ON, Canada) ,  Li Shuo (Department of Medical Biophysics, University of Western Ontario, London, ON, Canada)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 5  ページ： 1575-1586  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： マルチターゲット回帰は,最近,改善された性能を持つ多重回帰タスクを同時に解く能力により,集中的な人気を生み出し,一方,ターゲット間相関と入力-出力関係を共同的に探索することから大きな挑戦を行っている。本論文では,1つの単一フレームワークにおける固有のターゲット間相関と複雑な非線形入力-出力関係を同時にモデル化するために,マルチターゲットスパース潜在的回帰(MSLR)を提案した。構造行列を展開することにより,MSLRは,l_2,1ノルムベースのスパース学習により,相互ターゲット相関を明示的に符号化できる潜在的可変モデルを達成した。MSLRはカーネル拡張に対する表現定理を自然に付加し,それにより高度に複雑な非線形入出力関係を柔軟に扱うことができる。MSLRは,保証された収束を有する交互最適化アルゴリズムによって効率的に解明することができて,それは効率的マルチターゲット回帰を確実にした。合成データと6つの非常に多様な実世界データセットに関する広範囲の実験評価は,提案したMSLRが一貫して最先端のアルゴリズムより優れていることを示して,それは多変量予測のためにその大きな有効性を実証した。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： アルゴリズム ,  モデリング ,  学習 ,  符号化 ,  多重回帰分析 ,  *透視図法 ,  予測
準シソーラス用語： 多変量 ,  最先端 ,  実験評価 ,  最適アルゴリズム ,  *マルチターゲット , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)