Machine learning by a subset of hypotheses

Takafumi Mukouchi, Toshiyasu Matsushima, Shigeichi Hirasawa

研究成果: Conference article査読

抄録

Bayesian theory is effective in statistics, lossless, source coding, machine learning, etc. It is often, however, computationally expensive since the calculation of posterior probabilities and of mixture distributions is not tractable. In this paper, we propose a new method for approximately calculating mixture distributions in a discrete hypothesis class.

本文言語English
ページ(範囲)2533-2538
ページ数6
ジャーナルProceedings of the IEEE International Conference on Systems, Man and Cybernetics
3
出版ステータスPublished - 1997 12 1
外部発表はい
イベントProceedings of the 1997 IEEE International Conference on Systems, Man, and Cybernetics. Part 3 (of 5) - Orlando, FL, USA
継続期間: 1997 10 121997 10 15

ASJC Scopus subject areas

  • 制御およびシステム工学
  • ハードウェアとアーキテクチャ

フィンガープリント

「Machine learning by a subset of hypotheses」の研究トピックを掘り下げます。これらがまとまってユニークなフィンガープリントを構成します。

引用スタイル