文献

J-GLOBAL ID：202002262532958404   整理番号：20A2776045

高次元のデータ解析への応用によるGrassmannianの自己組織化マップ【JST・京大機械翻訳】

Self-organizing mappings on the Grassmannian with applications to data analysis in high dimensions

著者 (4件)： Ma Xiaofeng (Department of Mathematics, Colorado State University, Fort Collins, CO, USA) ,  Kirby Michael (Department of Mathematics, Colorado State University, Fort Collins, CO, USA) ,  Peterson Chris (Department of Mathematics, Colorado State University, Fort Collins, CO, USA) ,  Scharf Louis (Department of Mathematics and Statistics, Colorado State University, Fort Collins, CO, USA)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 32  号： 24  ページ： 18243-18254  発行年： 2020年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Kohonenの自己組織化マッピングをGrassmannianの幾何学フレームワークに拡張する方法を提案した。得られたアルゴリズムは抽象多様体の設定に対するSOMの拡張のプロトタイプとして役立つ。これに必要な成分は,2つの点間の距離を測定する手段であり,他方の方向に1つのポイントを動かす方法であった。実際に,データはユークリッド空間で表現を持つ必要はない。著者らは,Grassmannianの点が測地線経路に沿って別の方向に移動するかを詳細に論じた。いくつかの説明データセット,ハイパースペクトル画像および遺伝子発現データセットに関するアルゴリズムの実装を示した。Copyright Springer-Verlag London Ltd., part of Springer Nature 2019 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 ,  幾何学 ,  多様体 ,  可視化 ,  測地線 ,  データ解析 ,  Euclid空間 ,  測地 ,  *高次元 ,  *自己組織化 ,  遺伝子発現 ,  *自己組織化特徴マップ ,  プロトタイプ
準シソーラス用語： ハイパースペクトル画像 ,  遺伝子発現データ , 【Automatic Indexing@JST】

著者キーワード (5件)： Grassmannian ,  自己組織化マッピング ,  測地 ,  データの可視化 ,  遺伝子発現

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 高次元 ,  データ解析 ,  応用 ,  自己組織化マップ