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/2117/13348

Arxiu Descripció MidaFormat
NN0508.pdf291,19 kBAdobe PDFThumbnail
Veure/Obrir

Citació: Olier, I.; Vellido, A. On the benefits for model regularization of a variational formulation of GTM. A: IEEE World Congress on Computational Intelligence / International Joint-Conference on Artificial Neural Networks. "IEEE International Joint Conference on Neural Networks 2008". IEEE, 2008, p. 1569-1576.
Títol: On the benefits for model regularization of a variational formulation of GTM
Autor: Olier Caparroso, Iván Veure Producció científica UPC; Vellido Alcacena, Alfredo Veure Producció científica UPC
Editorial: IEEE
Data: 2008
Tipus de document: Conference report
Resum: Generative Topographic Mapping (GTM) is a manifold learning model for the simultaneous visualization and clustering of multivariate data. It was originally formulated as a constrained mixture of distributions, for which the adaptive parameters were determined by Maximum Likelihood (ML), using the Expectation-Maximization (EM) algorithm. In this formulation, GTM is prone to data overfitting unless a regularization mechanism is included. The theoretical principles of Variational GTM, an approximate method that provides a full Bayesian treatment to a Gaussian Process (GP)-based variation of the GTM, were recently introduced as alternative way to control data overfitting. In this paper we assess in some detail the generalization capabilities of Variational GTM and compare them with those of alternative regularization approaches in terms of test log-likelihood, using several artificial and real datasets.
ISBN: 978-3-540-68858-7
URI: http://hdl.handle.net/2117/13348
DOI: 10.1109/IJCNN.2008.4634005
Apareix a les col·leccions:Altres. Enviament des de DRAC
SOCO - Soft Computing. Ponències/Comunicacions de congressos
Departament de Llenguatges i Sistemes Informàtics. Ponències/Comunicacions de congressos
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