文献

J-GLOBAL ID：202102261905397465   整理番号：21A3307557

円変数を持つ非定常,オンライン変分Bayes学習【JST・京大機械翻訳】

Non-stationary, online variational Bayesian learning, with circular variables

著者 (1件)： Christmas J. (University of Exeter, Exeter, UK)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 非定常,多変量,時間信号の追跡変化のためのオンライン変分Bayesモデルを,時間にわたる雑音正弦波信号の変化周波数と振幅を用いて,導入した。このモデルは,各観測を到達し,次にそれを捨て,そして,(i)事後確率分布が過度に強まらないことを確実にするため,精度超パラメータを超える場所を配置し,それは,変化を認識し,追跡する能力を妨げ,そして(ii)システム内の値は,連続的に増加し,そして(ii)プログラミング言語の数値表現を凌駕する。従って,無限に長い観測セットに対してオンライン処理を実行することができる。観測当りの変分Bayesスキームにおける更新の単一ラウンドのみを用いて,アルゴリズムの複雑性は時間において一定であった。提案手法を多数の合成データセットで実証し,精度ハイパーパラメータが固定値であるベースモデルからのそれらと完全モデル(事前の変数として精度超パラメータ)からの結果を比較した。実気候データのセットで全モデルも示した。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  雑音 ,  *変分法 ,  プログラミング言語 ,  事後確率 ,  オンライン処理
準シソーラス用語： 気候値 ,  オンライン学習 ,  *Bayes学習 ,  非定常性 ,  複雑性 ,  *オンライン ,  Bayes法 ,  ハイパーパラメータ ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (3件)： オンライン学習/処理 ,  変分法 ,  Bayes手順

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 円 ,  変数 ,  非定常 ,  オンライン ,  変分 ,  Bayes学習