文献

J-GLOBAL ID：201902276062139409   整理番号：19A0922128

逆ベータ分布の混合物を用いた正データモデリング【JST・京大機械翻訳】

Positive Data Modeling Using a Mixture of Mixtures of Inverted Beta Distributions

著者 (8件)： Lai Yuping (School of Computer Science and Technology, North China University of Technology, Beijing, China) ,  Ma Xiu (School of Computer Science and Technology, North China University of Technology, Beijing, China) ,  Xu Yanping (School of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, China) ,  Ling Yongfa (School of Information and Communication Engineering, Hezhou University, Hezhou, China) ,  Du Chunlai (School of Computer Science and Technology, North China University of Technology, Beijing, China) ,  Du Jianhe (School of Information and Communication Engineering, Communication University of China, Beijing, China) ,  Zhang Yongmei (School of Computer Science and Technology, North China University of Technology, Beijing, China) ,  Ping Yuan (School of Information Engineering, Xuchang University, Xuchang, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 38146-38156  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 対称Gauss分布に基づく有限混合モデルをデータ解析に広く適用した。しかし,実世界応用におけるすべてのデータは,対称Gauss型を持つとは安全には仮定できない。本論文では,正の非Gaussデータを解析するための特別な事例として,逆ベータ混合モデル(IBMM)を含む新しい混合モデルを提案した。提案したモデルの利点は,モデルパラメータの数が可変で無限であることである。その結果,提案したモデルはデータのサイズに適応できる。最近提案された拡張変分推論(EVI)フレームワークに基づいて,事後分布を近似する閉形式解を開発した。提案したモデルの性能と有効性を,2つの挑戦的応用,すなわち画像分類とオブジェクト検出から生成した実データで実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  対称性 ,  正規分布 ,  データ解析 ,  安全性 ,  *モデル
準シソーラス用語： 物体検出 ,  画像分類 ,  閉形式解 ,  事後分布 ,  変分推論 ,  モデルパラメータ ,  混合モデル ,  有限混合モデル ,  *β分布 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ベータ分布 ,  混合物 ,  データモデリング