The natural evolution strategies (NESs) is a family of iterative methods for black-box function optimization. Instead of directly minimizing an objective function, NESs minimizes the expectation of the objective function value over an arbitrary parametric probability distribution. In each iteration, NESs updates parameters of the distribution by using an estimated natural gradient of the expectati
対象個体の数,分布など性質が変化する場合に適応が可能な オンラインクラスタリング法として提案されているもののうち, 比較的収束性能が高い強化学習・競合学習に基づく方法に, 追跡アルゴリズムを導入して更に収束性能を向上させた Pursuit Reinforcement guided Competitive Learning: PRCL法を提案する. この方法を地球観測衛星画像のように 大規模画像から画像部位を検索する場合に適用し, 検索所要時間,検索ヒット率,検索位置誤差および収束性能を評価したところ, 既存のベクトル量子化などのオンラインクラスタリングよりも高くなることがわかった. また,この方法を拡大・縮小率の異なる画像の部位を検索する場合に適用したところ, 倍率が一定の条件の下に画像部位検索が正確に行えることを確認した.
376 人工知能学会論文誌 24 巻 5 号 B(2009 年) � � 原著論文 � � � Original Paper � ネットワークにおけるノード発見 Node Discovery in a Network 前野 義晴 Yoshiharu Maeno ソーシャル・デザイン・グループ Social Design Group maeno.yoshiharu@socialdesigngroup.com 大澤 幸生 Yukio Ohsawa 東京大学工学系研究科 School of Engineering, the University of Tokyo ohsawa@sys.t.u-tokyo.ac.jp keywords: anomaly detection, Barab´ si-Albert model, maximum likelihood estimat
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く