文献

J-GLOBAL ID：202202235165727063   整理番号：22A0608758

自己教師あり学習を導入した潜在変数モデルによる低次元特徴の抽出に関する検討

A Note on Introducing Self-supervised Learning to Latent Variable Model for Low-dimensional Feature Extraction

著者 (4件)： 渡部航史 (北大 工) ,  前田圭介 (北大) ,  小川貴弘 (北大 大学院情報科学研究院) ,  長谷山美紀 (北大 大学院情報科学研究院)
資料名： 電気・情報関係学会北海道支部連合大会講演論文集(CD-ROM)  (Joint Convention Record, the Hokkaido Chapters of the Institutes of Electrical and Information Engineers, Japan (CD-ROM))
巻： 2021  ページ： ROMBUNNO.108  発行年： 2021年10月29日 
JST資料番号： L1739B  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

本文一部表示： 1はじめに.画像や音声に代表されるデータは,ノイズを多く含んだ高次元データとして存在しており,有用な情報を抽出することが困難である場合が多い[1].そこで,ノイズを低減した低次元特徴を抽出するための手法が広く研究されている[2-4].それら...【本文一部表示】

シソーラス用語： 固有値 ,  最適化 ,  最適化問題 ,  最尤法 ,  可視化 ,  Gauss雑音 ,  *教師つき学習 ,  二次元 ,  目的関数 ,  三次元 ,  固有ベクトル ,  正規化 ,  共分散行列 ,  *低次元 ,  改変
準シソーラス用語： Kernel関数 , 【Automatic Indexing@JST】

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 (5件)： 自己 ,  教師あり学習 ,  潜在変数 ,  モデル ,  低次元