文献

J-GLOBAL ID：201902239069628702   整理番号：19A2608471

NN降下に対するハブの影響【JST・京大機械翻訳】

The Influence of Hubness on NN-Descent

著者 (5件)： Bratic Brankica (Faculty of Sciences, University of Novi Sad, Trg Dositeja Obradovica 3, 21101, Novi Sad, Serbia) ,  Houle Michael E. (National Institute of Informatics, 2-1-2 Hitotsubashi, Chiyoda-ku, Tokyo 101-8430, Japan) ,  Kurbalija Vladimir (Faculty of Sciences, University of Novi Sad, Trg Dositeja Obradovica 3, 21101, Novi Sad, Serbia) ,  Oria Vincent (Department of Computer Science, New Jersey Inst. of Technology, University Heights, Newark, New Jersey 07102, The United States of America) ,  Radovanovic Milos (Faculty of Sciences, University of Novi Sad, Trg Dositeja Obradovica 3, 21101, Novi Sad, Serbia)
資料名： International Journal on Artificial Intelligence Tools  (International Journal on Artificial Intelligence Tools)
巻： 28  号： 6  ページ： 1960002  発行年： 2019年 
JST資料番号： W3716A  ISSN： 0218-2130  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： シンガポール (SGP)  言語： 英語 (EN)

抄録/ポイント： K最近傍グラフ(K-NNG)は,多くの機械学習アルゴリズムにより用いられるデータ構造である。K-NNGのナイーブ計算は二次時間複雑性を有し,多くの場合,十分ではなく,高速で正確な近似アルゴリズムの必要性を生み出す。NN-Descentは非常に効率的であるが,K-NNG近似が低い固有次元のデータのみに対して正確であるという大きな欠点を持つ。本論文はこの挙動の実験的解析を示し,可能な解を調べた。実験結果により,NNの性能とハブの現象の間にリンクがあることを示し,本質的に高次元データの傾向として定義し,K-NNGにおいて大きい程度を持つハブ点を含むことを示した。最初に,著者らは,ハブ現象の存在が悪いNN-Descent性能を引き起こす方法を説明した。それに照らして,著者らは,hubsの観察された負の妨害を軽減するために,4つのNN-Descent変異体を提案した。いくつかの実データセットと合成データセットに関する提案アプローチを評価することによって,著者らのアプローチはより正確であるが,しばしばより高いスキャン速度のコストにおいて,より正確であると結論した。Copyright 2019 World Scientific Publishing Company All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ構造 ,  *近似法 ,  学習アルゴリズム ,  高速度
準シソーラス用語： 走査速度 ,  高次元データ ,  近似アルゴリズム ,  複雑性 ,  最近傍グラフ , 【Automatic Indexing@JST】

著者キーワード (3件)： NN降下 ,  k-最近傍グラフ ,  ハブ

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (2件)： 降下 ,  ハブ