Generative topographic mapping as a constrained mixture of student t-distributions: theoretical developments
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/97911
Tipus de documentReport de recerca
Data publicació2004-09
Condicions d'accésAccés obert
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
Abstract
The Generative Topographic Mapping (GTM: Bishop et al. 1998a), a non-linear latent variable model, was originally defined as constrained mixture of Gaussians. Gaussian mixture models are known to lack robustness in the presence of outlier observations in the data sample, and multivariate Student t-distributions have recently been put forward as a more robust alternative to deal with continuous data in this context.
CitacióVellido, A. "Generative topographic mapping as a constrained mixture of student t-distributions: theoretical developments". 2004.
Forma partLSI-04-44
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
R04-44.ps | 1,936Mb | Postscript | Visualitza/Obre |