文献

J-GLOBAL ID：202002231647906697   整理番号：20A2365418

ニューラルネットワークを用いたノンパラメトリック最尤推定【JST・京大機械翻訳】

Nonparametric maximum likelihood estimation using neural networks

著者 (4件)： Huynh Hieu Trung (Faculty of Information Technology, Industrial University of Ho Chi Minh City, Ho Chi Minh City, Vietnam) ,  Huynh Hieu Trung (Faculty of Engineering, Vietnamese-German University, Binh Duong City, Vietnam) ,  Nguyen Linh (Faculty of Information Technology, Industrial University of Ho Chi Minh City, Ho Chi Minh City, Vietnam) ,  Nguyen Linh (Department of Mathematics, University of Idaho, Moscow, ID 83844-1103, United States)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 138  ページ： 580-586  発行年： 2020年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 確率密度関数の推定は様々な応用の必須成分である。ノンパラメトリック技法は,データのパラメタリゼーションの困難さのために,このタスクに広く使用されている。特に,あるカーネル密度推定法が開発された。しかし,それらは最尤推定を不可能か,あるいは新しいパターンを処理するための訓練セットの維持を必要とする。本研究では,ノンパラメトリック最尤ニューラルネットワーク(MLNN)と呼ばれる新しいアプローチを提案した。これは最尤法とニューラルネットワークに依存するノンパラメトリック法である。それはコンパクトであり,訓練パターンの維持を必要としない。理論的および実験的解析は,提案した方法の有効性を実証した。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 ,  *最尤法 ,  *ノンパラメトリック法 ,  有効性 ,  パラメタリゼーション ,  確率密度関数
準シソーラス用語： カーネル推定 , 【Automatic Indexing@JST】

著者キーワード (4件)： ニューラルネットワーク ,  最尤推定 ,  ノンパラメトリック ,  確率密度関数

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ニューラルネットワーク ,  ノンパラメトリック ,  最尤推定