刷新
{{item.name}}会员
High-dimension, low-sample-size asymptotic theory for nonlinear feature selection
用于非线性特征选择的高维、低样本量渐近理论
基本信息
- 批准号：20K22305
- 负责人：
- 金额：$ 1.66万
- 依托单位：
- 依托单位国家：日本
- 项目类别：Grant-in-Aid for Research Activity Start-up
- 财政年份：2020
- 资助国家：日本
- 起止时间：2020-09-11 至 2023-03-31
- 项目状态：已结题
- 来源：
- 关键词：
项目摘要
项目成果
期刊论文数量（14）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Clustering by kernel PCA with Gaussian kernel and tuning for high-dimensional data
通过具有高斯核的核 PCA 进行聚类并针对高维数据进行调整
- DOI：
- 发表时间：2021
- 期刊：
- 影响因子：0
- 作者：Nakayama Yugo;Yata Kazuyoshi;Aoshima Makoto
- 通讯作者：Aoshima Makoto
ガウシアンカーネルに基づく高次元データの分類問題
基于高斯核的高维数据分类问题
- DOI：
- 发表时间：2021
- 期刊：
- 影响因子：0
- 作者：He Yue;Kawai Reiichiro;福田一貴;松浦浩平;大場貴裕;中山優吾
- 通讯作者：中山優吾
{{
item.title }}
{{ item.translation_title }}
- DOI：
{{ item.doi }} - 发表时间：
{{ item.publish_year }} - 期刊：
- 影响因子：{{ item.factor }}
- 作者：
{{ item.authors }} - 通讯作者：
{{ item.author }}
数据更新时间：{{ journalArticles.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ monograph.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ sciAawards.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ patent.updateTime }}
Nakayama Yugo其他文献
炭素繊維強化樹脂部品のレーザー援用3Dプリンティングにおける樹脂と炭素繊維の接合に及ぼす樹脂色の影響
激光辅助3D打印碳纤维增强树脂零件时树脂颜色对树脂-碳纤维粘合的影响
- DOI：
- 发表时间：
2021 - 期刊：
- 影响因子：0
- 作者：
Hashimoto Yohei;Nakayama Yugo;Furumoto Tatsuaki;Hosokawa Akira;中川佑貴 - 通讯作者：
中川佑貴
Asymptotic properties of support vector machines in HDLSS settings
HDLSS 设置中支持向量机的渐近性质
- DOI：
- 发表时间：
2017 - 期刊：
- 影响因子：0
- 作者：
Nakayama Yugo;Yata Kazuyoshi;Aoshima Makoto - 通讯作者：
Aoshima Makoto
Linear differential equations on the Riemann sphere and representations of quivers
黎曼球上的线性微分方程和箭袋的表示
- DOI：
10.1215/00127094-3769640 - 发表时间：
2017 - 期刊：
- 影响因子：2.5
- 作者：
Nakayama Yugo;Yata Kazuyoshi;Aoshima Makoto;Kazuki Hiroe - 通讯作者：
Kazuki Hiroe
An SIR Modeling with The Pathogen Population Dynamics of Disease Transmission
疾病传播病原体种群动态的 SIR 模型
- DOI：
- 发表时间：
2018 - 期刊：
- 影响因子：0
- 作者：
Yata Kazuyoshi;Aoshima Makoto;Nakayama Yugo;Hiromi SENO - 通讯作者：
Hiromi SENO
A refinement of Bell's inequality vs. quantum mechanics argument by algorithmic randomness
通过算法随机性改进贝尔不等式与量子力学论证
- DOI：
- 发表时间：
2020 - 期刊：
- 影响因子：0
- 作者：
Nakayama Yugo;Yata Kazuyoshi;Aoshima Makoto;只木孝太郎 - 通讯作者：
只木孝太郎
Nakayama Yugo的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI：
{{ item.doi }} - 发表时间：
{{ item.publish_year }} - 期刊：
- 影响因子：{{ item.factor }}
- 作者：
{{ item.authors }} - 通讯作者：
{{ item.author }}
相似海外基金
解釈可能な機械学習アルゴリズムを用いた血糖降下薬の非線形な用量反応関係の評価
使用可解释的机器学习算法评估降血糖药物的非线性剂量反应关系
- 批准号：
24K18341 - 财政年份：2024
- 资助金额：
$ 1.66万 - 项目类别：
Grant-in-Aid for Early-Career Scientists
非線形時系列解析と機械学習を融合した大規模データ動態特性の検出手法開発
非线性时间序列分析与机器学习相结合的大规模数据动态特征检测方法开发
- 批准号：
24K15079 - 财政年份：2024
- 资助金额：
$ 1.66万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
Magnetic Resonances in Nonlinear Dielectric Nanostructures: New Light-Matter Interactions and Machine Learning Enhanced Design
非线性介电纳米结构中的磁共振：新的光-物质相互作用和机器学习增强设计
- 批准号：
2240562 - 财政年份：2023
- 资助金额：
$ 1.66万 - 项目类别：
Standard Grant
乳幼児のことばの発達の統一的理解をめざして： 言語学・非線形物理・機械学習の融合
旨在统一理解婴幼儿语言发展：语言学、非线性物理学和机器学习的融合
- 批准号：
23K11786 - 财政年份：2023
- 资助金额：
$ 1.66万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
BRITE Relaunch: Improving Structural Health by Advancing Interpretable Machine Learning for Nonlinear Dynamics
BRITE 重新启动：通过推进非线性动力学的可解释机器学习来改善结构健康
- 批准号：
2227495 - 财政年份：2023
- 资助金额：
$ 1.66万 - 项目类别：
Standard Grant
Statistical Machine Learning for Model Predictive Control of Nonlinear Processes
用于非线性过程模型预测控制的统计机器学习
- 批准号：
2140506 - 财政年份：2022
- 资助金额：
$ 1.66万 - 项目类别：
Standard Grant
Predictive modeling of dynamic and nonlinear structural behavior by machine learning and its application to computational morphogenesis
通过机器学习对动态和非线性结构行为进行预测建模及其在计算形态发生中的应用
- 批准号：
22K04416 - 财政年份：2022
- 资助金额：
$ 1.66万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
Deep Neural Network Machine Learning for Oscillatory Navier-Stokes Flows and Nonlinear Operators, and High Dimensional Fokker-Planck Equations
用于振荡纳维-斯托克斯流和非线性算子以及高维福克-普朗克方程的深度神经网络机器学习
- 批准号：
2207449 - 财政年份：2022
- 资助金额：
$ 1.66万 - 项目类别：
Standard Grant
EAGER: ADAPT: Understanding Nonlinear Noise in LIGO: A Machine Learning Approach
EAGER：ADAPT：理解 LIGO 中的非线性噪声：一种机器学习方法
- 批准号：
2141072 - 财政年份：2021
- 资助金额：
$ 1.66万 - 项目类别：
Standard Grant
CAREER: Efficient computational methods for nonlinear optimization and machine learning problems with applications to power systems
职业：非线性优化和机器学习问题的有效计算方法及其在电力系统中的应用
- 批准号：
2045829 - 财政年份：2021
- 资助金额：
$ 1.66万 - 项目类别：
Continuing Grant