文献

J-GLOBAL ID：202002285941882536   整理番号：20A0778047

発見的符号化しきい値処理によるロバスト回帰とその適応推定変動【JST・京大機械翻訳】

Robust Regression via Heuristic Corruption Thresholding and Its Adaptive Estimation Variation

著者 (5件)： Zhang Xuchao (Virginia Tech, Falls Church, VA) ,  Lei Shuo (Virginia Tech, Falls Church, VA) ,  Zhao Liang (George Mason University, Fairfax, VA) ,  Boedihardjo Arnold P. (U. S. Army Corps of Engineers, Alexandria, VA) ,  Lu Chang-Tien (Virginia Tech, Falls Church, VA)
資料名： ACM Transactions on Knowledge Discovery from Data  (ACM Transactions on Knowledge Discovery from Data)
巻： 13  号： 3  ページ： 1-22  発行年： 2019年 
JST資料番号： W5699A  ISSN： 1556-4681  資料種別： 逐次刊行物 (A)
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： データノイズと崩壊の存在は,最近,ロバスト最小二乗回帰(RLSR)に注目を集めている。これは,応答変数が任意に破壊されるとき,信頼できる回帰係数を学習するこの基本的問題を扱う。現在まで,次の重要な課題は,同時に扱うことができなかった。(1)回帰係数の厳密な回復保証,(2)相関比パラメータの推定の困難さ,(3)大量データセットへのスケーリング。本論文では,すべての上記の課題を同時に扱う,Heuristic Corission Thresresing(RHCT)による新しいRobust回帰アルゴリズムを提案した。具体的には,アルゴリズムは回帰係数を交互に最適化し,その収束までの事前定義された相関比パラメータなしに,発見的閾値化を介して最適な非破壊集合を推定する。さらに,大規模データにおける相関推定の効率を向上させるために,適応可能な相関保持(RACT)によるロバスト回帰アルゴリズムを提案し,データサンプルを徹底的に繰り返すことなく,新しい適応探索法における非破壊集合のサイズを決定した。さらに,このアルゴリズムが収束速度と回復保証に関して最先端の方法に類似した強い保証から利益を得ることを証明した。広範な実験により,著者らの新しい方法の有効性が,非常に競争力のある効率で,回帰係数と非破壊集合の両方の回復において,既存の方法よりも優れていることを実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最小二乗法 ,  有効性 ,  最適化 ,  パラメータ推定 ,  *ロバスト性 ,  雑音 ,  アルゴリズム
準シソーラス用語： 離散最適化 ,  収束速度 ,  探索法 ,  大規模データ ,  回帰係数 ,  適応推定 ,  *ロバスト回帰 ,  *閾値処理 , 【Automatic Indexing@JST】

著者キーワード (5件)： ロバスト回帰 ,  適応探索 ,  敵対的データのcorruption ,  離散最適化 ,  ハードしきい値処理

分類 (4件)： 統計学  (AB08000H) ,  人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 発見 ,  符号化 ,  しきい値処理 ,  ロバスト回帰 ,  適応推定