کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4949368 1440049 2017 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Density estimation on manifolds with boundary
ترجمه فارسی عنوان
برآورد تراکم در منیفولد با مرز
کلمات کلیدی
برآورد تراکم هسته، یادگیری منیفولد، تصحیح مرزی، هندسی قبل،
ترجمه چکیده
برآورد تراکم یک جزء حیاتی از بسیاری از روش های یادگیری ماشین است و به ویژه یادگیری چندگانه، جایی که هندسه تنها از داده ها ساخته می شود. محدودیت عملی قابل توجهی از ادبیات تخمین تراکم فعلی این است که روش برای چند منظوره با مرز توسعه داده نشده است، به جز در موارد ساده از چندجمله های خطی که در آن مکان مرز فرض می شود شناخته شده است. این محدودیت با ایجاد یک روش تخمین چگالی برای چندگانه با مرز غلبه می کند که هیچ گونه اطلاعات پیشین از مکان مرز را نیازی ندارد. برای ساخت برآوردگر مناسب، آمار ارائه شده است که قابل اثبات تقریبی فاصله و جهت مرز است، که به ما اجازه می دهد یک اصلاح مرزی برش و نرمال اعمال کنیم. سپس، برآوردگرهای برش و نرمال چندگانه برای ساخت یک برآوردگر تراکم هسته ای استفاده می شود که دارای تعادل یکنواخت در نقاط داخلی و مرزی بر روی چندجملهای با مرز است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Density estimation is a crucial component of many machine learning methods, and manifold learning in particular, where geometry is to be constructed from data alone. A significant practical limitation of the current density estimation literature is that methods have not been developed for manifolds with boundary, except in simple cases of linear manifolds where the location of the boundary is assumed to be known. This limitation is overcome by developing a density estimation method for manifolds with boundary that does not require any prior knowledge of the location of the boundary. To construct an appropriate estimator, statistics are introduced that provably approximate the distance and direction of the boundary, which allows us to apply a cut-and-normalize boundary correction. Then, multiple cut-and-normalize estimators are used to build a consistent kernel density estimator that has uniform bias, at interior and boundary points, on manifolds with boundary.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 107, March 2017, Pages 1-17
نویسندگان
, ,