文献

J-GLOBAL ID：201802281112192591   整理番号：18A0196722

ストリーミングデータ分析のためのスケーラブルなカーネルマシンに向けて【Powered by NICT】

Towards scalable kernel machines for streaming data analytics

著者 (2件)： Bopardikar Shaunak D. (United Technologies Research Center) ,  Ekladious George S. Eskander (United Technologies Research Center)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 4730-4732  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： 機械学習のためのカーネル法は強い数学的基礎と証明されたモデル化能力を持っている。しかし,これらの方法のスケーラビリティは,それらが必要とする集中計算によって制限される。より具体的には,Gauss過程のための,共分散行列を事後分布を計算し,採用した核のハイパーパラメータを最適化するために反転する必要がある。逆行列計算のスケーラビリティ要求は,訓練データ中の点の数で成長するが,これは流動とビッグデータ分析応用への本法の適用性を妨げている。この論文では,著者らの最近の逐次Gauss過程手法を簡単にレビューした。,多項式カーネルのための増分的ハイパーパラメータ最適化アルゴリズムを提案した。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： 適応性 ,  *Gauss過程 ,  機械学習 ,  最適化 ,  モデリング ,  逆行列 ,  多項式
準シソーラス用語： ビッグデータ ,  訓練データ ,  ハイパーパラメータ ,  事後分布 ,  共分散行列 ,  Kernel法 ,  *カーネルマシン ,  *ストリーミングデータ , 【Automatic Indexing@JST】

分類 (4件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ストリーミングデータ ,  分析 ,  カーネルマシン