文献

J-GLOBAL ID：201802272391567428   整理番号：18A0384938

Dirichletプロセス混合モデルのための部分的に崩壊した並列Gibbsサンプラ【Powered by NICT】

Partially collapsed parallel Gibbs sampler for Dirichlet process mixture models

著者 (2件)： Yerebakan Halid Ziya (Computer and Information Science, IUPUI Indianapolis, IN 46202, United States) ,  Dundar Murat (Computer and Information Science, IUPUI Indianapolis, IN 46202, United States)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 90  ページ： 22-27  発行年： 2017年 
JST資料番号： H0913A  ISSN： 0167-8655  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： Dirichletプロセス(DP)は混合モデルにノンパラメトリック前処理として一般的に用いられている。クラスタリング応用に有用な適応モデル選択能力を持っている。正確な推論は,この事前のための実行可能ではないが,Markov連鎖モンテカルロ(MCMC)試料採取器は,目標事後分布を近似するために使用されてきた。これらの試料採取器はしばしばよくスケーリングしなかった。このように,最近の研究は,並列化による実行時間効率を改善することに焦点を当てた。本論文では,中国レストランプロセス(CRP)を組み合わせたデータ点レベルでの条件付き独立性による並列化のための建設をスティックの破れによるDPのための新しいサンプリング法を導入した。スティック破れ部分は高レベル並列化を提供するuncollapsedサンプラーを用い,一方,CRP部分は崩壊したサンプラーより正確なクラスタリングを用いた。はこの部分崩壊Gibbsサンプラーはスケーラビリティの観点から崩壊のみ版よりも優れていることを示した。も匹敵する実行時間性能を維持しながら,F1スコアに関して,最近導入された並列Dirichletプロセス試料採取器に対する提案した推論アルゴリズムを比較し有利実世界データ集合に関する結果を提供する。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： モンテカルロ法 ,  ノンパラメトリック法 ,  *クラスタ化 ,  中華人民共和国 ,  Markov連鎖 ,  前処理 ,  アルゴリズム
準シソーラス用語： スコア ,  実行時間 ,  事後分布 ,  MCMC ,  適応モデル ,  *混合モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： Dirichlet過程 ,  混合モデル ,  クラスタリング ,  Markov鎖モンテカルロ法

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： プロセス ,  混合モデル ,  崩壊 ,  サンプラ