文献

J-GLOBAL ID：201802287129607749   整理番号：18A0383015

関係測定からの不均一物体Co埋込みの計算【Powered by NICT】

Computation of heterogeneous object co-embeddings from relational measurements

著者 (4件)： Wu Yu (School of Electrical Engineering Electronics and Computer Science, University of Liverpool, Ashton Building, Liverpool L69 3BX, UK) ,  Mu Tingting (School of Computer Science, University of Manchester, Kilburn Building, Manchester M13 9PL, UK) ,  Liatsis Panos (Department of Electrical Engineering, The Petroleum Institute, Abu Dhabi, Ruwais Building, PO Box 2533, UAE) ,  Goulermas John Y. (School of Electrical Engineering Electronics and Computer Science, University of Liverpool, Ashton Building, Liverpool L69 3BX, UK)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 65  ページ： 146-163  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 次元削減とデータ埋め込み法は,単一型均一データオブジェクトの低次元表現を生成した。本研究では,制御された次元の共有空間内の二つの異なるタイプのオブジェクト,唯一の利用可能な情報を二群のインスタンス間のペアごと関係または類似のセットであると仮定しそこからCo埋め込みまたはパターン表現を生成する問題を調べた。は他のタイプに各々のオブジェクトタイプの埋め込みをモデル化対称的新しい方法,柔軟なスケール制約と重みづけパラメータを受けるを提案した。埋込み発生効率的な最適化に依存しているはマトリックス分解,多次元Co埋め込みを支援するように拡張を用いた派遣した。もモデルのパラメータを減少させる発見的計画,および元の対象関係の間の適合性とCo埋込みから再評価を測定する簡単な方法を提案し,単純な探索法を用いた最適モデルパラメータを同定することによりモデル選択を達成した。提示手法の能力は,テキストマイニング領域からの複数の人工的および実世界データセットで実証した。実験結果と比較解析により,提案したアルゴリズムは,共同埋め込み生成のための既存の方法を上回ることを示した。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： モデリング ,  アルゴリズム ,  *重みづけ ,  適応性 ,  高次元 ,  対称性 ,  最適化
準シソーラス用語： テキストマイニング ,  モデル選択 ,  モデルパラメータ ,  探索法 ,  再評価 ,  低次元 , 【Automatic Indexing@JST】

著者キーワード (4件)： 行・列埋め込み発生 ,  関係情報 ,  不均一物体解析 ,  関節空間投影。

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 不均一 ,  物体 ,  CO ,  埋込み ,  計算