抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,結合確率が分解され,製品密度/質量関数の混合物によって近似できるという仮定の下で,それらの(経験的に推定された)2D限界から,与えられた離散および連続ランダム変数の結合確率のノンパラメトリック推定を研究した。Gauss混合モデル(GMM)のような半パラメトリック技術を用いて,結合確率密度関数(PDF)を推定する問題が広く研究されている。しかしながら,そのような技法は,基礎となる密度がラプラシアンまたは一般化Gauss,均一,Cauchy等のような分布の異なる他のファミリーの混合物である場合,不良な結果をもたらし,さらに,GMMは,自然のハイブリッドである結合分布を推定するための最良の選択ではなく,すなわち,いくつかのランダム変数が不連続であり,一方,他は不連続である。低ランクテンソル分解と結合した信号処理における辞書表現からのアイデアを用いてPDFを推定するための新しいアプローチを提案した。知る限りでは,これはテンソル分解と共に辞書を用いた結合PDFの推定に関する最初の研究である。著者らは,データを検査することによって,分布のさまざまなファミリーの辞書を作成して,それを用いて,混合物中の製品の各分解因子を近似した。この手法は,ハイブリッドN次元分布を自然に取り扱うことができる。最新の推定子の状態と比較したとき,より良い分類率とより低い誤り率に関してその有効性を実証するために,様々な合成と実際のデータセットに関する著者らのアプローチをテストした。【JST・京大機械翻訳】