文献

J-GLOBAL ID：201902282267820714   整理番号：19A2700962

基数制約スパース学習のための二次近似欲張り欲追跡【JST・京大機械翻訳】

Quadratic Approximation Greedy Pursuit for Cardinality-Constrained Sparse Learning

著者 (3件)： Ji Fanfan (Jiangsu Key Laboratory of Big Data Analysis Technology, School of Automation, Nanjing University of Information Science and Technology, Nanjing, China) ,  Shuai Hui (Jiangsu Key Laboratory of Big Data Analysis Technology, School of Automation, Nanjing University of Information Science and Technology, Nanjing, China) ,  Yuan Xiao-Tong (Jiangsu Key Laboratory of Big Data Analysis Technology, School of Automation, Nanjing University of Information Science and Technology, Nanjing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11857  ページ： 337-348  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 効率的なスパースモデルは,高度または超高次元データを扱うために非常に重要である。スパース性制約問題を解く最適化アルゴリズムは次第に改善された。本論文では,線形モデルによる[数式:原文を参照]制約最小化のための新しい二次近似欲張り追跡アルゴリズム(QAGP)を提案した。著者らの方法は,最初に,モデルのコスト関数がL-Smoothであるとき,それぞれの反復において線形モデルに上限を構築して,次に,著者らは,上界の実行可能な解法を調査するために,gre欲な追跡を適用した。Newton型法と比較して,この方法はHessian行列を計算する必要がない。この方法の収束性を解析し,合成および実データセットに対するスパースロジスティック回帰およびスパース[数式:原文を参照]-SVMタスクにおけるそれの効率を検証した。結果は,著者らの方法の性能が他の方法より優れていることを実証した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *近似法 ,  費用関数
準シソーラス用語： ロジスティック回帰分析 ,  Hessian行列 ,  上界 ,  追跡アルゴリズム ,  線形モデル ,  最適アルゴリズム ,  スパース性 ,  高次元データ ,  *スパース ,  基数 , 【Automatic Indexing@JST】

著者キーワード (5件)： スパースモデル ,  最適化アルゴリズム ,  QAGP ,  線形モデル ,  L-平滑

分類 (4件)： 人工知能  (JE08000Z) ,  ディジタル計算機方式一般  (JC02010O) ,  分子・遺伝情報処理  (JE15040B) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 基数 ,  制約 ,  学習 ,  近似 ,  追跡