高效参数化投影追踪密度估计
机器学习
2012-12-12 v1 机器学习
摘要
低维专家的产品模型是避免维数灾难的有力方法。我们提出了“欠完备专家产品”(UPoE)，其中每个专家对数据的一维投影进行建模。UPoE 是完全易处理的，可以解释为投影追踪的参数化概率模型。其最大似然 (ML) 学习规则与之前为欠完备独立成分分析 (ICA) 提出的近似学习规则相同。我们还推导了一种高效的顺序学习算法，并讨论了其与投影追踪密度估计以及加性随机场模型的特征诱导算法的关系。
引用
@article{arxiv.1212.2513,
title = {Efficient Parametric Projection Pursuit Density Estimation},
author = {Max Welling and Richard S. Zemel and Geoffrey E. Hinton},
journal= {arXiv preprint arXiv:1212.2513},
year = {2012}
}
备注
Appears in Proceedings of the Nineteenth Conference on Uncertainty in Artificial Intelligence (UAI2003)