文献

J-GLOBAL ID：202002231928566399   整理番号：20A0060669

サポートベクトルマシンを用いたGauss混合低減法【JST・京大機械翻訳】

Gaussian Mixture Reduction Methods Using Support Vector Machine

著者 (2件)： Kazama Haruki (NEC Corp.) ,  Tsukiyama Shuji (Chuo University,Department of Electrical, Electronic, and Communication Engineering,1-13-27 Kasuga, Bunkyo, Tokyo,112-8551)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： TENCON  ページ： 411-416  発行年： 2019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： Gauss混合モデルは統計的静的タイミング解析のような統計的方法のための有用な分布であるが,Gauss混合モデルの成分の数は統計的操作を繰り返すことにより指数関数的に増加する。したがって,効率的かつ効果的に操作を繰り返すために,部品の数を約2に低減しなければならない。部品の数を減らすためのいくつかの方法が提案されているが,それらの各々は精度とCPU時間において強度と弱点を持っている。したがって,入力分布のための適切な方法を選択することは,部品の数を減らすための実用的な方法である。本論文では,サポートベクトルマシンを用いて選択手法を構築し,その性能を評価する。入力分布は非線形関数で表現されるので,適切な方法を選択するのは容易ではないが,サポートベクトルマシンは94.8%の正しい選択率を達成した。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： CPU時間 ,  指数関数 ,  *サポートベクトルマシン ,  統計的方法 ,  非線形関数
準シソーラス用語： Gauss混合モデル , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： サポートベクトルマシン