文献

J-GLOBAL ID：202102260017612618   整理番号：21A0150786

ビンニング,テンソル分解およびバックトラッキングを用いたマルチスケールデータ解析【JST・京大機械翻訳】

Multiscale Data Analysis Using Binning, Tensor Decompositions, and Backtracking

著者 (8件)： Leggas Dimitri (Reservoir Labs, Inc.,New York,NY) ,  Henretty Thomas S. (Reservoir Labs, Inc.,New York,NY) ,  Ezick James (Reservoir Labs, Inc.,New York,NY) ,  Baskaran Muthu (Reservoir Labs, Inc.,New York,NY) ,  von Hofe Brendan (Reservoir Labs, Inc.,New York,NY) ,  Cimaszewski Grace (Reservoir Labs, Inc.,New York,NY) ,  Langston M. Harper (Reservoir Labs, Inc.,New York,NY) ,  Lethin Richard (Reservoir Labs, Inc.,New York,NY)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： HPEC  ページ： 1-7  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： 大きなデータセットは,複数のスケール(空間,時間など)でパターンを含むことができる。実際には,各関連スケールでパターンを検出するデータ探査技術に有用である。本論文では,データ中の異なる特徴間の相関を見出す教師なし高次元データ解析技法であるテンソル分解を用いて,複数のスケールでの活動を検出するアプローチを開発した。この方法は,通常,特徴値が「ビンニング」と呼ばれるプロセスにおけるテンソルの構築中に離散化されることを必要とする。ユーザ定義尺度のセットを通してパターンを明らかにするために,様々な特徴の異なるビンニングスキームを持つテンソルを構築し,分解する方法を開発した。テンソル分解から解釈可能な結果を得るにはビンニングが必要であるが,データの特異性も低減する。したがって,分解で見出されるパターンに対応する元のソースデータの回復を可能にするバックトラッキング法を開発した。これらの技術を,時空間とネットワークトラフィックデータ,特に自動識別システム(AIS)データとの関連で考察した。Copyright 2021 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： *テンソル ,  データ解析 ,  バックトラッキング
準シソーラス用語： 離散化 ,  マルチスケール ,  自動認識 ,  特異性 ,  ネットワークトラフィック ,  *テンソル分解 , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  医用画像処理  (JE04020T) ,  符号理論  (ND02030R) ,  NMR一般  (BM07041R) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (5件)： ビンニング ,  テンソル分解 ,  バックトラッキング ,  マルチスケール ,  データ解析