文献

J-GLOBAL ID：202002212645583373   整理番号：20A1835356

類似性駆動に基づく線形ハッシュモデルパラメータ再最適化手法【JST・京大機械翻訳】

Model Parameter Re-optimization for Linear Hashing Based on Similarity Drive

著者 (4件)： Nie Xiushan (山東建筑大学計算机科学与技術学院,山東済南,250101) ,  Liu Xingbo (山東大学計算机科学与技術学院,山東青島266237;山東大学軟件学院,山東済南 250100) ,  Xi Xiaoming (山東建筑大学計算机科学与技術学院,山東済南,250101) ,  Yin Yilong (山東大学軟件学院,山東済南,250100)
資料名： Ruanjian Xuebao  (Ruanjian Xuebao)
巻： 31  号： 4  ページ： 1039-1050  発行年： 2020年 
JST資料番号： C2542A  ISSN： 1000-9825  CODEN： RUXUEW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ハッシュ学習は目的関数を設計,最適化し,データ分布と組み合わせて,サンプルハッシュコード表現を学習した。既存のハッシュ学習モデルにおいて,線形モデルは,その高効率で便利な特性のために広く用いられる。ハッシュ学習における線形モデルのパラメータ最適化問題を解くために,類似性駆動に基づく線形ハッシュモデルパラメータ再最適化法を提案した。既存のモデルの各構成部分を変えずに,モデルパラメータの再最適化を実現し,モデルの検索性能を改善した。まず第一に,既存のハッシュアルゴリズムを実行することによって,トレーニングセットの複数のハッシュ符号マトリックスを得て,次に,類似性保存判定基準と融合判定基準に基づいて,いくつかのハッシュ符号マトリックスを最適化して,トレーニングセットのための最適化ハッシュマトリックスを得る。最後に,この最適化ハッシュ行列を用いて,元のモデルのパラメータを再最適化し,次に,より良いハッシュ学習アルゴリズムを得た。実験結果は,この方式が異なったハッシュ学習アルゴリズムの性能を著しく向上させることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  学習 ,  学習モデル ,  検索効率 ,  *最適化手法 ,  線形性 ,  目的関数 ,  類似性 ,  判定基準 ,  学習アルゴリズム
準シソーラス用語： 高効率 ,  パラメータ最適化 ,  *モデルパラメータ ,  線形モデル , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： 類似性 ,  線形 ,  モデルパラメータ ,  最適化手法