逐次学習型の線形判別分析アルゴリズムについて : 学習アルゴリズムの提案と局所収束性の証明
スポンサーリンク
概要
- 論文の詳細を見る
線形判別分析は、画像認識等で広く用いられている。しかし、次元数Nの大きいデータに線形判別分析を適用しようとすると、N × Nの大規模行列を扱わなくてはならず、計算が困難になる。 本研究では、オンライン型の線形判別分析アルゴリズムを提案し、その局所収束性を示す。このアルゴリズムは、「新たなデータに応じて、少ない計算量で解の修正を行える」という意味で逐次学習が可能であり、環境変化への適応能力を持つ。その上、高次元のデータに対しても大規模な行列を保持・更新する必要がない、という利点を持つ。
- 社団法人電子情報通信学会の論文
- 1999-12-11
著者
関連論文
- 作業分担における情報交換ルールの強化学習による自動獲得
- D-12-152 評価関数の最適化に基づく動画中の複数移動物体の追跡
- A-2-5 タブーサーチのタンパク質結晶化状態判別への応用(A-2.非線形問題,基礎・境界)
- P2Pシステムにおける効果的なコンテンツ複製配置のためのローカル学習
- A-2-10 無限通りのタスク群に対する並行強化学習(A-2.非線形問題,基礎・境界)
- D-12-30 オンライン線形判別分析の頑健化に向けた学習係数の自動調節
- ネットワーク利用に関する学内罰則規定のあり方
- 研究開発環境におけるネットワーク不正アクセス防御法
- 逐次学習型の線形判別分析アルゴリズムについて : 学習アルゴリズムの提案と局所収束性の証明