Locally Learning Biomedical Data Using Diffusion Frames
Locally Learning Biomedical Data Using Diffusion Frames
复制标题
使用扩散框架本地学习生物医学数据
DOI：
10.1089/cmb.2012.0187
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
H. N. Mhaskar
中科院分区：
文献类型：
--
作者：
M. Ehler;F. Filbir;H. N. Mhaskar
扩散几何技术是有用的模式分类和可视化高维数据集。基于扩散几何的思想，我们概述了我们的数学基础，从训练数据中以局部方式学习高维生物医学数据的函数。我们的方法是基于一个本地化的总和内核，我们验证了精确的近似率的计算性能。在这些理论结果之后，我们将我们的计划应用于学习标准和新生物医学数据集中的早期疾病阶段。
Diffusion geometry techniques are useful to classify patterns and visualize high-dimensional datasets. Building upon ideas from diffusion geometry, we outline our mathematical foundations for learning a function on high-dimension biomedical data in a local fashion from training data. Our approach is based on a localized summation kernel, and we verify the computational performance by means of exact approximation rates. After these theoretical results, we apply our scheme to learn early disease stages in standard and new biomedical datasets.
登录
查看更多内容
学习梯度：推断几何和依赖性的预测模型
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
Q. Wu;J. Guinney;M. Maggioni;S. Mukherjee
通讯作者：
S. Mukherjee
影响因子：
1.3
作者：
Antoine, JP;Vandergheynst, P
通讯作者：
Vandergheynst, P
流形上函数逼近的 Eignet
DOI：
10.1016/j.acha.2009.08.006
发表时间：
2009
期刊：
ArXiv
影响因子：
--
作者：
H. Mhaskar
通讯作者：
H. Mhaskar
使用拉普拉斯特征函数对一般域进行数据分析和表示
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
N. Saito
通讯作者：
N. Saito
数据定义流形上函数简约表示的广义扩散框架
DOI：
10.1016/j.neunet.2010.12.007
发表时间：
2011
期刊：
Neural networks : the official journal of the International Neural Network Society
影响因子：
--
作者：
H. Mhaskar
通讯作者：
H. Mhaskar