新しい後方マッピング(プレイメージ再構成)戦略によるカーネル主成分分析(kPCA)消化【JST・京大機械翻訳】

Garcia-Gonzalez Alberto; Huerta Antonio; Zlotnik Sergio; Diez Pedro

プレプリント

J-GLOBAL ID：202202210340553429 整理番号：21P0022181

新しい後方マッピング(プレイメージ再構成)戦略によるカーネル主成分分析(kPCA)消化【JST・京大機械翻訳】

A kernel Principal Component Analysis (kPCA) digest with a new backward mapping (pre-image reconstruction) strategy

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 (4件)： , , ,
資料名：
発行年： 2020年01月07日プレプリントサーバーでの情報更新日： 2021年01月13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)

多次元性低減のための方法論は,データ範囲がある低次元多様体の発見を目的とする。主成分分析(PCA)は,データが線形構造を持つならば,非常に効果的である。しかし,データが非線形低次元多様体に属するならば,可能な次元縮小の同定に失敗する。非線形次元縮小のために,カーネル主成分分析(kPCA)は,その単純さと容易な実装のために評価されている。本論文は,PCAとkPCAの主なアイデアの簡潔なレビューを提供し,しばしば分散する単一文書の側面で収集することを試みた。さらに,元の高次元空間に縮小次元を写像する戦略も,不一致汎関数の最小化に基づいて考案した。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る