学習された特徴埋込みのためのブートストラップ信頼領域【JST・京大機械翻訳】

Sankaran Kris

プレプリント

J-GLOBAL ID：202202209595552932 整理番号：22P0282792

学習された特徴埋込みのためのブートストラップ信頼領域【JST・京大機械翻訳】

Bootstrap Confidence Regions for Learned Feature Embeddings

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2022年01月31日プレプリントサーバーでの情報更新日： 2022年01月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

アルゴリズム特徴学習者は,画像,オーディオ,テキストおよびグラフのような非行列構造化信号に対する高次元ベクトル表現を提供する。これらの表現に由来する低次元投影を用いて,これらのデータの収集を横断して変動を探査できる。しかし,これらの予測に関連する不確実性を評価する方法は不明である。非行列データから特徴が学習される設定に対して,ブートストラップ主成分分析のために開発された方法を適用した。特徴学習とブートストラップの両方に影響を与える因子を変化させて,シミュレーションにおける導出された信頼領域を経験的に比較した。アプローチを空間プロテオミクスデータで例証した。コード,データ,および訓練されたモデルを,R Compendiumとして放出する。【JST・京大機械翻訳】

, , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , システム同定

, , ,

前のページに戻る