文献

J-GLOBAL ID：202202249503109343   整理番号：22A0807327

GANにおける事後の多様体正則化アンサンブルを用いた大規模データクラスタリング【JST・京大機械翻訳】

Large-Scale Data Clustering Using Manifold-Regularized Ensemble of Posterior in GAN

著者 (2件)： Homayouni Haleh (School of Electrical and Computer Engineering, Shiraz University, Shiraz, Fars, Iran) ,  Mansoori Eghbal (School of Electrical and Computer Engineering, Shiraz University, Shiraz, Fars, Iran)
資料名： Arabian Journal for Science and Engineering  (Arabian Journal for Science and Engineering)
巻： 47  号： 2  ページ： 1173-1180  発行年： 2022年 
JST資料番号： W4051A  ISSN： 2193-567X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： データクラスタリングは,統計的データ解析のための重要な技術として教師なし学習法である。それは,特に大規模データベースにおいて,データサンプルのグループ化を含む挑戦的な機械学習方式である。深層ニューラルネットワークは大規模データにスケーラブルであり,非線形性のモデリングによりデータ構造を学習できる。この分野における有名な潜在生成モデルの1つは,生成敵対ネットワーク(GAN)である。潜在生成モデルでは,クラスタリングのために,意図されたモデルに対応する後部が必要である。次に,その変分近似が必要である。この問題に取り組むために,相互情報を最大化するか,KL発散を最小化することができる。本論文では,クラスタリングにおけるより一般化された推論に到達するために,アンサンブルアプローチを採用して後部を近似した。このアンサンブルを深いネットワークに実装するために,後部の変分近似のための凸下限を提案した。発電機挙動を修正するために,正確な統計的推論に到達するために,目的関数に多様体正則化としてデータの幾何学的構造を注入した。提案方法の有効性を4つのベンチマークデータセットで扱った。実験結果は,著者らのモデルの優位性を,標準クラスタリングアルゴリズムおよびいくつかの最近開発した深い方法と比較して確認した。Copyright King Fahd University of Petroleum & Minerals 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *多様体 ,  データ構造 ,  ネットワーク ,  教師なし学習 ,  統計的推定 ,  *クラスタ化 ,  目的関数 ,  論文 ,  *正則化 ,  ベンチマーク ,  機械学習
準シソーラス用語： クラスタリングアルゴリズム ,  *データクラスタリング ,  *大規模データ ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： データクラスタリング ,  アンサンブル学習 ,  多様体正則化 ,  生成敵対ネットワーク(GAN)

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： GaN ,  多様体 ,  正則化 ,  アンサンブル ,  大規模データ ,  クラスタリング