Jove
Visualize
お問い合わせ

関連する概念動画

Cluster Sampling Method01:20

Cluster Sampling Method

14.0K
Appropriate sampling methods ensure that samples are drawn without bias and accurately represent the population. Because measuring the entire population in a study is not practical, researchers use samples to represent the population of interest.
To choose a cluster sample, divide the population into clusters (groups) and then randomly select some of the clusters. All the members from these clusters are in the cluster sample. For example, if you randomly sample four departments from your...
14.0K
Survival Tree01:19

Survival Tree

382
Survival trees are a non-parametric method used in survival analysis to model the relationship between a set of covariates and the time until an event of interest occurs, often referred to as the "time-to-event" or "survival time." This method is particularly useful when dealing with censored data, where the event has not occurred for some individuals by the end of the study period, or when the exact time of the event is unknown.
 Building a Survival Tree
Constructing a...
382
Aggregates Classification01:29

Aggregates Classification

963
Aggregate classification is generally based on its size, petrographic characteristics, weight, and source. Size classification ranges from coarse to fine aggregates, defined by the size of the particles. Coarse aggregates are particles that do not pass through ASTM sieve No. 4, and aggregates that pass through the sieve are fine aggregates.
Petrographic classification groups aggregates based on common mineralogical characteristics. Some of the common mineral groups found in aggregates are...
963
Classification of Systems-I01:26

Classification of Systems-I

544
Linearity is a system property characterized by a direct input-output relationship, combining homogeneity and additivity.
Homogeneity dictates that if an input x(t) is multiplied by a constant c, the output y(t) is multiplied by the same constant. Mathematically, this is expressed as:
544
Classification of Systems-II01:31

Classification of Systems-II

453
Continuous-time systems have continuous input and output signals, with time measured continuously. These systems are generally defined by differential or algebraic equations. For instance, in an RC circuit, the relationship between input and output voltage is expressed through a differential equation derived from Ohm's law and the capacitor relation,
453

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same journal

Interpreting the Trispectrum as the Cross-Spectrum of the Wigner-Ville Distribution.

IEEE signal processing letters·2026
Same journal

An Effective Video Synopsis Approach with Seam Carving.

IEEE signal processing letters·2024
Same journal

Maximum Likelihood Estimation in Mixed Integer Linear Models.

IEEE signal processing letters·2023
Same journal

Alias-Free Arrays.

IEEE signal processing letters·2022
Same journal

An approximate expectation-maximization for two-dimensional multi-target detection.

IEEE signal processing letters·2022
Same journal

Geometric Analysis of Uncertainty Sampling for Dense Neural Network Layer.

IEEE signal processing letters·2021
関連記事をすべて見る
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する実験動画

Updated: Jan 13, 2026

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
08:27

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines

Published on: January 5, 2024

1.6K

PET-TURTLE：不均衡データクラスタリングのための深層教師なしサポートベクターマシン

Javier Salazar Cavazos1

  • 1Electrical and Computer Engineering (ECE) Department, University of Michigan, Ann Arbor, MI 48109 USA.

IEEE signal processing letters
|January 7, 2026
PubMed
まとめ
この要約は機械生成です。

PET-TURTLEは、不均衡データに対処することで深層クラスタリングを強化します。この新しい方法は、精度を向上させ、少数クラスターの過剰予測を防ぎ、全体的なクラスタリングパフォーマンスを向上させます。

キーワード:
クラスタリング基盤モデル不均衡データサポートベクターマシン (SVM)教師なし学習

さらに関連する動画

Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine
07:05

Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine

Published on: October 27, 2016

9.6K
Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
12:27

Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations

Published on: February 15, 2017

7.3K

関連する実験動画

Last Updated: Jan 13, 2026

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
08:27

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines

Published on: January 5, 2024

1.6K
Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine
07:05

Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine

Published on: October 27, 2016

9.6K
Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
12:27

Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations

Published on: February 15, 2017

7.3K

科学分野:

  • 人工知能
  • 機械学習
  • データマイニング

背景:

  • ビジョン、オーディオ、言語における基盤モデルは、ゼロショットタスクパフォーマンスを可能にします。
  • 深層学習において、データグループ構造を発見するための教師なし学習は成長分野です。
  • TURTLEアルゴリズムは、交互のラベルと超平面の更新を使用する最先端の深層クラスタリング手法です。

研究 の 目的:

  • TURTLE深層クラスタリングアルゴリズムの不均衡データによる限界に対処すること。
  • 不均衡データ分布を効果的に処理する改良アルゴリズム、PET-TURTLEを提案すること。
  • 不均衡および均衡データセットの両方でクラスタリング精度とパフォーマンスを向上させること。

主な方法:

  • 不均衡データに対応するために、べき乗則事前分布を使用してTURTLEのコスト関数を一般化すること。
  • 探索空間を単純化するために、ラベリングプロセスにスパースロジットを導入すること。
  • 合成および実世界の不均衡および均衡データセットでPET-TURTLEを評価すること。

主要な成果:

  • PET-TURTLEは、不均衡データソースでのクラスタリング精度を大幅に向上させます。
  • 提案手法は、少数クラスターの過剰予測を効果的に防ぎます。
  • 不均衡および均衡データセットの両方で、全体的なクラスタリングパフォーマンスが向上します。

結論:

  • PET-TURTLEは、不均衡データを伴う深層クラスタリングのための堅牢なソリューションを提供します。
  • アルゴリズムは既存の手法を一般化し、精度と信頼性を向上させます。
  • PET-TURTLEは、データクラスタリングのための教師なし学習における重要な進歩を表します。