文献

J-GLOBAL ID：202002260569784650   整理番号：20A2622196

共通情報成分分析【JST・京大機械翻訳】

Common Information Components Analysis

著者 (2件)： Gastpar Michael (School of Computer and Communication Sciences EPFL,Lausanne,Switzerland) ,  Sula Erixhen (School of Computer and Communication Sciences EPFL,Lausanne,Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ITA  ページ： 1-5  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： (緩和)Wynerの共通情報による正準相関分析(CCA)の情報理論的解釈を与えた。CCAは,相関と線形変換のフレームワークを用いて,データセット間の共通性を捉える2つの高次元データセット低次元記述(特徴)から抽出することを可能にする。この解釈は,まず,事前選択分解能レベルまでの共通情報を抽出し,次に,データセットの各々にこのバックを投影する。Gauss統計の場合,この手順はCCAに正確に縮小し,そこでは分解能レベルが抽出されるCCA成分の数を指定する。これはまた,2つのデータセットを超える自然な拡張を含む,いくつかの望ましい特徴を有する,新しいアルゴリズム,共通情報成分分析(CICA)を示唆する。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 ,  情報理論 ,  分解能 ,  緩和現象 ,  一次変換
準シソーラス用語： 正準相関解析 ,  *成分分析 ,  低次元 , 【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 (1件)： 成分分析