文献

J-GLOBAL ID：201802267262807874   整理番号：18A0336213

ベータスケール不変マップ【Powered by NICT】

Beta Scale Invariant Map

著者 (2件)： Quintian Hector (Department of Computer Science and Automation, University of Salamanca, Plaza de la Merced s/n, Salamanca 37007, Spain) ,  Corchado Emilio (Department of Computer Science and Automation, University of Salamanca, Plaza de la Merced s/n, Salamanca 37007, Spain)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 59  ページ： 218-235  発行年： 2017年 
JST資料番号： T0797A  ISSN： 0952-1976  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)

抄録/ポイント： 本研究では,ベータSIM,複雑なデータセットの内部構造のクラスタリングおよび可視化を促進する効果的かつ効率的に開発と呼ばれるスケール不変マップ(SIM)の新しいバージョンを提案した。ベータ分布に基づく残差の確率密度関数(PDF)から誘導した学習則のファミリーの応用に基づいており,スケール不変マップに適用した。ベータSIM挙動を徹底的に解析し,2人工および十六の実データセット上で実証し,その結果を比較し,自己組織化マップ(SOM),スケール不変マップ(SIM),最尤H ebbian学習SIM(MLHL SIM),可視化誘起されたSOM(ViSOM),および成長ニューラルガス(GNG)のような他のよく知られたトポロジー保存モデルを用いた三性能品質尺度の観点である。ベータSIMで見られた有望な結果,特に高度に複雑なデータセットを扱う場合。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： モデル ,  残差 ,  自己組織化特徴マップ ,  確率密度関数 ,  学習 ,  最尤法 ,  品質 ,  可視化 ,  内部構造 ,  *不変性
準シソーラス用語： トポロジー保存 ,  学習則 ,  β分布 , 【Automatic Indexing@JST】

著者キーワード (8件)： トポロジー保存写像 ,  品質対策 ,  SIM ,  MLHL SIM ,  ViSOM ,  GNG ,  ベータ分布 ,  データセット不均衡

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： スケール ,  不変 ,  マップ