文献

J-GLOBAL ID：202202275677451876   整理番号：22A0992006

射影は,教師なし学習機を表す.【JST・京大機械翻訳】

Projected self-expressive unsupervised extreme learning machine

著者 (2件)： Wang Qiaoping (福州大学数学与統計学院,福建 福州 350108) ,  Chen Xiaoyun (福州大学数学与統計学院,福建 福州 350108)
資料名： Fuzhou Daxue Xuebao (Ziran Kexue Ban)  (Fuzhou Daxue Xuebao (Ziran Kexue Ban))
巻： 50  号： 1  ページ： 9-15  発行年： 2022年 
JST資料番号： C3290A  ISSN： 1000-2243  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 教師なし限界学習マシンは,高次元空間におけるスパースまたは近傍構造を保存し,高次元空間に冗長な情報が存在し,元のデータ構造は射影後の低次元特徴空間に必ずしも適応しない。そのため、教師なし極限学習機と部分空間クラスタリングの自己表現学習を結合させ、射影自己表示無監視限界学習機モデルを提出した。本モデルは,クラスタリング指向の特徴抽出法であり,そして,自己表現部分空間構造を,射影過程で学習し,そして,教師なし限界学習機械によって抽出した特徴を,クラスタ化タスクに,適応させた。IRISデータセット、6つの遺伝子発現と2つの医学映像の高次元データセット上で実験を行い、このモデルとアルゴリズムが有効であることを表明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  冗長性 ,  データ構造 ,  学習機械 ,  *教師なし学習 ,  特徴抽出 ,  立体構造 ,  クラスタ化 ,  映像 ,  高次元 ,  *射影 ,  遺伝子発現
準シソーラス用語： 特徴空間 ,  高次元データ , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 射影 ,  教師なし学習