文献

J-GLOBAL ID：202202265993702285   整理番号：22A0570917

計数データモデリングのための一般化Dirichlet多項式分布の厳密なFisher情報【JST・京大機械翻訳】

Exact fisher information of generalized Dirichlet multinomial distribution for count data modeling

著者 (2件)： Najar Fatma (Concordia Institute for Information Systems Engineering (CIISE), Concordia University, Montreal, QC, Canada) ,  Bouguila Nizar (Concordia Institute for Information Systems Engineering (CIISE), Concordia University, Montreal, QC, Canada)
資料名： Information Sciences  (Information Sciences)
巻： 586  ページ： 688-703  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Fisher情報行列の多重利点にもかかわらず,それは一般的に無視され,同一性行列または近似フォーマットによって置換される。しかし,複雑な実世界アプリケーションを扱うとき,データ特徴間の相関を無視することは,モデリング能力を損なう可能性がある。この問題に取り組むために,計数データをモデル化するとき,その効率を証明した一般化Dirichlet多項式(GDM)混合物に対するFisher情報行列(EFIM)の正確な計算を示した。ベータ二項確率関数を用いてFisher行列要素の決定を可能にするGDM混合モデルのパラメータ化を提示した。また,EFIMの利点を持つ新しい計数データモデリングアプローチを提案した。特に,Fisherスコアリングアルゴリズムを用いた混合モデル推定と選択の問題と,決定論的アニーリング期待値最大化学習フレームワーク内の最小メッセージ長に取り組んだ。ピンセット,対話ベースの感情認識,および画像ベースの感情分析における鬱病の検出に関する実験は,Fisher情報行列の要素の完全な決定を無視する既存の最先端の方法および技術と比較して,提案したアプローチの能力およびEFIMを用いる利点を確認した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 関数 ,  行列 ,  *多項式 ,  学習 ,  近似法 ,  多重化 ,  応用プログラム ,  モデル ,  うつ病 ,  パラメタリゼーション ,  会話
準シソーラス用語： Fisher情報行列 ,  *Fisher情報量 ,  EMアルゴリズム ,  感情認識 ,  混合モデル , 【Automatic Indexing@JST】

著者キーワード (6件)： 計数データモデリング ,  一般化Dirichlet多項式分布 ,  混合モデル ,  Fisher情報行列 ,  Fisherスコアリング ,  最小メッセージ長

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H) ,  システム同定  (IA02040O) ,  統計学  (AB08000H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： モデリング ,  一般化 ,  多項式 ,  分布 ,  Fisher情報