Reduction of Variables and Generation of Functions Through Nearest Neighbor Relations in Threshold Networks
Reduction of Variables and Generation of Functions Through Nearest Neighbor Relations in Threshold Networks
复制标题
通过阈值网络中的最近邻关系减少变量并生成函数
DOI：
10.1007/978-3-030-48791-1_45
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Tokuro Matsuo
中科院分区：
文献类型：
--
作者：
Naohiro Ishii;Kazunori Iwata;Kazuya Odagiri;Toyoshiro Nakashima;Tokuro Matsuo
减少数据变量是一个重要的问题，在广泛使用阈值神经网络的应用领域和人工智能中处理高维数据需要它。我们开发了基于阈值网络的最近邻关系的数据变量减少和分类方法。首先，最近邻关系被证明对于阈值函数和 Chow 参数的生成很有用。其次，开发了最近邻关系的扩展应用，用于基于凸锥体的变量约简。比较凸锥体的边缘以减少变量。进一步，在凸锥体上获得变量减少的超平面用于数据分类。
Reduction of data variables is an important issue and it is needed for the processing of higher dimensional data in the application domains and AI, in which threshold neural networks are extensively used. We develop a reduction of data variables and classification method based on the nearest neighbor relations for threshold networks. First, the nearest neighbor relations are shown to be useful for the generation of threshold functions and Chow parameters. Second, the extended application of the nearest neighbor relations is developed for the reduction of variables based on convex cones. The edges of convex cones are compared for the reduction of variables. Further, hyperplanes with reduced variables are obtained on the convex cones for data classification.
登录
查看更多内容
连接几何：凸集和线性几何理论
DOI：
10.2307/2322130
发表时间：
1979
期刊：
--
影响因子：
--
作者：
W. Prenowitz
通讯作者：
W. Prenowitz
基于最近邻关系和线性分类的增量归约
DOI：
10.1109/iiai-aai.2019.00113
发表时间：
2019
期刊：
2019 8th International Congress on Advanced Applied Informatics (IIAI-AAI)
影响因子：
--
作者：
N. Ishii;Ippei Torii;K. Iwata;Kazuya Odagiri;Toyoshiro Nakashima;T. Matsuo
通讯作者：
T. Matsuo
使用可辨别性和不可辨别性矩阵生成归约和阈值函数
DOI：
10.1109/sera.2017.7965707
发表时间：
2017
期刊：
2017 IEEE 15th International Conference on Software Engineering Research, Management and Applications (SERA)
影响因子：
--
作者：
N. Ishii;Ippei Torii;K. Iwata;Kazuya Odagiri;Toyoshiro Nakashima
通讯作者：
Toyoshiro Nakashima
影响因子：
2.1
作者：
C. Chow
通讯作者：
C. Chow