文献

J-GLOBAL ID：202002220920943248   整理番号：20A0672709

ランドマークマップ:ユーザ意図非線形射影のための自己組織化マップの拡張【JST・京大機械翻訳】

Landmark map: An extension of the self-organizing map for a user-intended nonlinear projection

著者 (1件)： Onishi Akinari (Center for Frontier Medical Engineering, Chiba University, 1-33 Yayoi-cho, Inage-ku, Chiba, Japan)
資料名： Neurocomputing  (Neurocomputing)
巻： 388  ページ： 228-245  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 自己組織化マップ(SOM)は,例えばデータマイニングや可視化に広く使われている教師なし人工ニューラルネットワークである。SOMのための教師つきおよび半教師つき学習法を提案した。しかしながら,それらの教師ラベルはデータとノードの位置の間の関係を記述しない。本研究では,いくつかのランドマーク,例えばノードとデータ点のペアを利用するSOMsの拡張であるランドマークマップ(LAMA)を提案した。LaMAは,例えばランドマーク指向のデータ可視化を達成するために,ユーザを意図した非線形射影を得るように設計されている。LAMAの学習特性を明らかにするために,UCI機械学習リポジトリからのZooデータセット,KagleからのMcDonaldのデータセット,および人工ホルマントデータセットを分析した。Zooデータセットの解析結果は,LAMAがランドマーク中心データ可視化のような新しいデータビューを提供できることを示した。McDonaldのデータセット分析は,少数の指定されたアイテムに基づくメニュー推薦例を示した。さらに,人工ホルマントデータ解析により,LAMAにより,計算機カーソルの垂直および水平運動を伴う関節運動に関連する意図的な非線形投影を成功裏に提供できることを明らかにした。LAMAの潜在的応用にはデータマイニング,推薦システム,人間-コンピュータ相互作用が含まれる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  相互作用 ,  データマイニング ,  *自己組織化特徴マップ ,  計算機械 ,  機械学習 ,  ホルマント ,  *射影 ,  データ解析 ,  コンピュータ ,  献立 ,  学習 ,  リポジトリ ,  可視化 ,  カーソル

著者キーワード (4件)： ランドマーク地図 ,  自己組織化マップ ,  半教師つき学習 ,  人工神経回路網

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 意図 ,  非線形 ,  射影 ,  自己組織化マップ ,  拡張