文献

J-GLOBAL ID：202002230916138446   整理番号：20A1958272

拡張線形順序統計量(ELOS)集約と回帰【JST・京大機械翻訳】

Extended Linear Order Statistic (ELOS) Aggregation and Regression

著者 (4件)： Kakula Siva K. (Michigan Technological University,College of Computing,Houghton,MI,USA,49931) ,  Pinar Anthony J. (Michigan Technological University,Department of Electrical and Computer Engineering,Houghton,MI,USA,49931) ,  Havens Timothy C. (Michigan Technological University,College of Computing,Houghton,MI,USA,49931) ,  Anderson Derek T. (University of Missouri,Department of Electrical Engineering and Computer Science,Columbia,MO,USA,65211)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： FUZZ  ページ： 1-7  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 規則化加重平均(OWA)演算子は,主に決定レベル融合に使用されるよく知られた凝集ツールである。しかし,OWAは凸和であり,即ち,その学習係数は1つに和らされ,従って,出力は入力の最大と最小値の間にあるように制約される。重みの和に対するこの制約の緩和は,OWAを線形次数統計量(LOS)に変換し,それにより,集合操作が,実際の集合上の任意の値への入力をマッピングし,従って,回帰演算子のように振舞う。LOSは,ちょうどdパラメータを用いてd特徴の回帰操作をパラメータ化し,それはモデルの解釈可能性を助ける。しかし,ちょうどdパラメータの学習は最適解のために探索された非線形空間の量を制限し,従ってLOSアルゴリズムの表現性を低減する。拡張線形次数統計量(ELOS)と呼ばれる新しい凝集法を提案し,ここでは,各入力ベクトルにおける各位置に対して,各入力特徴に対する1つを,d特徴の集合に対して合計d2重みを学習した。パラメータ数の増加は,解釈可能性を維持しながら,このアルゴリズムがその表現性を改善するのを助ける。実世界ベンチマークデータセットに関する実験では,ELOSは10実験のうち8つで線形回帰とLOSの両方を凌駕した。Copyright 2020 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： アルゴリズム ,  凝集 ,  ベクトル ,  ベクトル空間 ,  学習 ,  凝集処理 ,  *統計量 ,  線形性 ,  集合演算 ,  凸形 ,  パラメタリゼーション
準シソーラス用語： 最適解 ,  表現力 ,  加重平均 ,  線形回帰 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 拡張 ,  統計量 ,  集約