論文の概要: Discriminative Multiple Canonical Correlation Analysis for Information Fusion

• arxiv url: http://arxiv.org/abs/2103.00361v1
• Date: Sun, 28 Feb 2021 00:42:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-03 16:20:45.522757
• Title: Discriminative Multiple Canonical Correlation Analysis for Information Fusion
• Title（参考訳）: 情報融合のための識別多重正準相関解析
• Authors: Lei Gao, Lin Qi, Enqing Chen, Ling Guan
• Abstract要約: マルチモーダル情報解析と融合のための識別型多重正準相関解析(DMCCA)を提案する。 DMCCAは、クラス内相関を同時に最大化し、クラス間相関を最小化する投影方向を求める。 DMCCAのプロトタイプを実装し、手書きの数字認識と人間の感情認識でその性能を実証します。
• 参考スコア（独自算出の注目度）: 22.16154251673042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose the Discriminative Multiple Canonical Correlation Analysis (DMCCA) for multimodal information analysis and fusion. DMCCA is capable of extracting more discriminative characteristics from multimodal information representations. Specifically, it finds the projected directions which simultaneously maximize the within-class correlation and minimize the between-class correlation, leading to better utilization of the multimodal information. In the process, we analytically demonstrate that the optimally projected dimension by DMCCA can be quite accurately predicted, leading to both superior performance and substantial reduction in computational cost. We further verify that Canonical Correlation Analysis (CCA), Multiple Canonical Correlation Analysis (MCCA) and Discriminative Canonical Correlation Analysis (DCCA) are special cases of DMCCA, thus establishing a unified framework for Canonical Correlation Analysis. We implement a prototype of DMCCA to demonstrate its performance in handwritten digit recognition and human emotion recognition. Extensive experiments show that DMCCA outperforms the traditional methods of serial fusion, CCA, MCCA and DCCA.
• Abstract（参考訳）: 本稿では,マルチモーダル情報解析と融合のための識別型多重正準相関解析(DMCCA)を提案する。 DMCCAはマルチモーダル情報表現からより差別的な特徴を抽出することができる。 具体的には,クラス内相関を最大化し,クラス間相関を最小化し,マルチモーダル情報の利用性を向上させるための投影方向を見出した。 このプロセスでは, DMCCAによる最適投影次元を精度良く予測できることを解析的に示し, 性能と計算コストの大幅な削減の両立を図った。 さらに、DMCCAでは、CCA(Canonical Correlation Analysis)、MCCA(Multiple Canonical Correlation Analysis)、DCCA(Idriminative Canonical Correlation Analysis)が特別なケースであることを確認し、Canonical Correlation Analysisの統一フレームワークを確立しました。 DMCCAのプロトタイプを実装し、手書きの数字認識と人間の感情認識でその性能を実証します。 DMCCAは, 従来のシリアル核融合法, CCA, MCCA, DCCAよりも優れていた。

関連論文リスト

• Kernel Density Estimation for Multiclass Quantification [52.419589623702336]
  量子化は、クラス有病率の正確な予測値を取得することに関する教師付き機械学習タスクである。 分散マッチング(DM)アプローチは、これまでの文献で提案されている定量化手法の中で、最も重要なファミリーの1つである。 カーネル密度推定(KDE)によりモデル化した多変量密度に基づく新しい表現機構を提案する。
  論文  参考訳（メタデータ） (2023-12-31T13:19:27Z)
• A Bayesian Methodology for Estimation for Sparse Canonical Correlation [0.0]
  標準相関解析(CCA)は、データセット間の関係を識別する統計手法である。 ScSCCAは、異なるデータモダリティ間の相互関係の堅牢なモデリングを目的とした、急速に発展する方法論分野である。 ベイズ無限因子モデルを用いて,ロバストな推定を実現する新しいSCSCCA手法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T15:14:25Z)
• Leveraging Diffusion Disentangled Representations to Mitigate Shortcuts in Underspecified Visual Tasks [92.32670915472099]
  拡散確率モデル(DPM)を用いた合成カウンターファクトの生成を利用したアンサンブルの多様化フレームワークを提案する。 拡散誘導型分散化は,データ収集を必要とする従来の手法に匹敵するアンサンブル多様性を達成し,ショートカットからの注意を回避できることを示す。
  論文  参考訳（メタデータ） (2023-10-03T17:37:52Z)
• Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
  我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。 提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。 その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワークよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-04-10T17:58:22Z)
• SDGCCA: Supervised Deep Generalized Canonical Correlation Analysis for Multi-omics Integration [0.0]
  本稿では,SDGCCA(Deep Generalized Canonical correlation analysis)と呼ばれるマルチオミクス統合手法を提案する。 複素/非線形データ相関を考慮し,表現型群を識別することにより,他の標準相関解析(CCA)に基づくモデルの限界に対処する。 アルツハイマー病(AD)の予測と早期・後期癌の鑑別にSDGCCAを適用したところ、他のCCA法および他の指導方法よりも優れていた。
  論文  参考訳（メタデータ） (2022-04-17T07:22:48Z)
• Coupled Support Tensor Machine Classification for Multimodal Neuroimaging Data [28.705764174771936]
  A Coupled Support Machine (C-STM) は、Advanced Coupled Matrix Factorization (ACMTF) から推定される潜在因子に基づいて構築される。 C-STMは、個別および共有潜在因子と複数のカーネルを結合し、結合行列テンソルデータに対する最大マージンを推定する。 C-STMの分類リスクは最適なベイズリスクに収束することが示され、統計的に一貫した規則となっている。
  論文  参考訳（メタデータ） (2022-01-19T16:13:09Z)
• Multi-modality fusion using canonical correlation analysis methods: Application in breast cancer survival prediction from histology and genomics [16.537929113715432]
  2つのモードの融合にカノニカル相関解析(CCA)とCCAのペナル化変種を用いて検討した。 モデルパラメータが既知の場合,両モードを併用した後進平均推定器は,潜時変動予測における単一モード後進推定器の任意の線形混合よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-27T21:18:01Z)
• Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
  現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。 本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。 次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
  論文  参考訳（メタデータ） (2020-10-25T18:51:15Z)
• Adversarial Canonical Correlation Analysis [0.0]
  標準相関解析(CCA)は、複数のデータソースやビューから共通情報を抽出する手法である。 最近の研究は、深層学習におけるCCA確率的足場を与えている。 あるいは、逆法はオートエンコーダにおける変分ベイズ法に代わる強力な代替手段として生まれてきた。
  論文  参考訳（メタデータ） (2020-05-20T20:46:35Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
  指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。 従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。 本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
  論文  参考訳（メタデータ） (2020-04-07T04:07:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。