DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/13279

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
Olier.pdf523,03 kBAdobe PDF Accés restringit

Citació: Olier, I.; Vellido, A. Variational Bayesian generative topographic mapping. "Journal of mathematical modeling and algorithms", Desembre 2008, vol. 7, núm. 4, p. 371-387.
Títol: Variational Bayesian generative topographic mapping
Autor: Olier Caparroso, Iván Veure Producció científica UPC; Vellido Alcacena, Alfredo Veure Producció científica UPC
Data: des-2008
Tipus de document: Article
Resum: General finite mixture models are powerful tools for the density-based grouping of multivariate i.i.d. data, but they lack data visualization capabilities, which reduces their practical applicability to real-world problems. Generative topographic mapping (GTM) was originally formulated as a constrained mixture of distributions in order to provide simultaneous visualization and clustering of multivariate data. In its inception, the adaptive parameters were determined by maximum likelihood (ML), using the expectation-maximization (EM) algorithm. The original GTM is, therefore, prone to data overfitting unless a regularization mechanism is included. In this paper, we define an alternative variational formulation of GTM that provides a full Bayesian treatment to a Gaussian process (GP)-based variation of the model. The generalization capabilities of the proposed Variational Bayesian GTM are assessed in some detail and compared with those of alternative GTM regularization approaches in terms of test log-likelihood, using several artificial and real datasets.
ISSN: 1570-1166
URI: http://hdl.handle.net/2117/13279
DOI: 10.1007/s10852-008-9088-7
Apareix a les col·leccions:Altres. Enviament des de DRAC
SOCO - Soft Computing. Articles de revista
Departament de Ciències de la Computació. Articles de revista
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius