文献

J-GLOBAL ID：201702287954895977   整理番号：17A0379600

ビッグデータ分析のための情報分割【Powered by NICT】

Information Splitting for Big Data Analytics

著者 (4件)： Zhu Shengxin ,  Gu Tongxiang ,  Xu Xiaowen ,  Mo Zeyao
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CyberC  ページ： 294-302  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 多くの統計的モデルは,未知の(共)分散パラメータ(s)の推定を必要とする。推定は,通常,log決定因子項を含む対数尤度を最大化することにより得られた。原理では,Newton法による正確な最尤推定量を得るために-負Hessian行列または対数尤度の二次導関数-観察された情報が必要である。Fisher情報を使用する時,観察された情報,Newton法よりも単純なアルゴリズムの期待値はFisherスコアリングアルゴリズムとして得られた。生物科学,推薦システムと社会的ネットワークにおけるハイスループット技術の進歩に伴い,データセットのサイズと対応する統計モデルが突然数桁の大きさで増加している。観察された情報とFisher情報もこれらのビッグデータセットに対して得られたが容易である。本論文では,計算を単純化するために情報分割法を紹介した。観察された情報とFisher情報の平均を分割し,対数尤度のための簡単な近似的Hessian行列を得ることができた。近似Hessian行列は計算を大幅に低減できる,ビッグデータセットに適用可能な線形混合モデルを示した。このようなスピッティングと簡単な式を行列代数変換に強く依存する,大規模増殖モデルに適用できるgeneticsワイド関連解析。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  分割法 ,  期待値 ,  導関数 ,  近似法 ,  *Newton-Raphson法 ,  最尤法 ,  簡素化
準シソーラス用語： 一般化線形混合モデル ,  社会的ネットワーク ,  推奨システム ,  Fisher情報量 ,  Hessian行列 ,  対数尤度 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  移動通信  (ND08030H) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (1件)： データ分析