文献

J-GLOBAL ID：202202223645871804   整理番号：22A0960113

L1ノルムに基づく確率的線形判別分析とそのBayes変分推論【JST・京大機械翻訳】

Probabilistic Linear Discriminant Analysis Based on L₁-Norm and Its Bayesian Variational Inference

著者 (6件)： Hu Xiangjie (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Sun Yanfeng (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Gao Junbin (Discipline of Business Analytics, University of Sydney Business School, University of Sydney, Ultimo, NSW, Australia) ,  Hu Yongli (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Ju Fujiao (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Yin Baocai (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing University of Technology, Beijing, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 52  号： 3  ページ： 1616-1627  発行年： 2022年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
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： 確率的線形判別分析(PLDA)は,非常に効果的な特徴抽出アプローチであり,教師つき学習タスクにおいて広範囲で成功した応用を得た。二乗L_2ノルムを用いてモデル誤差を測定し,Gauss雑音分布を暗黙的に仮定した。しかし,実際の応用におけるノイズはGauss分布に従わない。特に,二乗L_2ノルムは,データ異常値を極端に ex張できた。この課題に取り組むために,本論文では,L1-PLDAと呼ばれるラプラシアン雑音分布の仮定の下でロバストなPLDAモデルを提案した。学習プロセスは,新しい潜在変数を導入することによって,Gauss分布の無限数の重ね合わせとしてラプラシアン密度関数を表現することにより,そのアプローチを採用し,次に,パラメータを学習するために変分期待値-最大化(EM)アルゴリズムを採用した。新しいモデルの最も重要な利点は,導入した潜在変数がデータ異常値を検出するために使用できることである。いくつかの公開データベースに関する実験は,分類と異常値検出に関して提案したL1-PLDAモデルの優位性を示した。Copyright 2022 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： アルゴリズム ,  雑音 ,  *変分法 ,  正規分布 ,  データベース ,  特徴抽出 ,  期待値 ,  Gauss雑音 ,  教師つき学習 ,  異常値 ,  *判別分析 ,  ロバスト性 ,  *ノルム ,  Laplace演算子
準シソーラス用語： *線形判別分析 ,  *L1ノルム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： L1ノルム ,  確率 ,  線形判別分析 ,  変分推論