Jove
Visualize
お問い合わせ
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

関連する概念動画

Collisions in Multiple Dimensions: Problem Solving01:06

Collisions in Multiple Dimensions: Problem Solving

5.5K
In multiple dimensions, the conservation of momentum applies in each direction independently. Hence, to solve collisions in multiple dimensions, we should write down the momentum conservation in each direction separately. To help understand collisions in multiple dimensions, consider an example.
A small car of mass 1,200 kg traveling east at 60 km/h collides at an intersection with a truck of mass 3,000 kg traveling due north at 40 km/h. The two vehicles are locked together. What is the...
5.5K
Collisions in Multiple Dimensions: Introduction01:05

Collisions in Multiple Dimensions: Introduction

7.0K
It is far more common for collisions to occur in two dimensions; that is, the initial velocity vectors are neither parallel nor antiparallel to each other. Let's see what complications arise from this. The first idea is that momentum is a vector. Like all vectors, it can be expressed as a sum of perpendicular components (usually, though not always, an x-component and a y-component, and a z-component if necessary). Thus, when the statement of conservation of momentum is written for a...
7.0K
Cross Product01:25

Cross Product

993
The cross product is a fundamental concept in vector algebra that is a vector operation on two different vectors to obtain a third vector. Unlike the scalar product, the cross product results in a vector quantity perpendicular to both the original vectors.
The magnitude of the cross product is obtained by multiplying the magnitude of both the vectors and the sine of the angle between them. This means that a larger angle between the vectors will lead to a greater magnitude of the cross product.
993
Scalar and Vector Triple Products01:06

Scalar and Vector Triple Products

4.6K
Two vectors can be multiplied using a scalar product or a vector product. The resultant of a scalar product is scalar, while with vector products, the resultant is a vector. These rules of the scalar or vector product between two vectors can be applied to multiple vectors to obtain meaningful combinations. The scalar triple product is the dot product of a vector with the cross product of two vectors.
The scalar triple product is the dot product of a vector with the cross product of two vectors....
4.6K

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 author

Deep Learning in the Ubiquitous Human-Computer Interactive 6G Era: Applications, Principles and Prospects.

Biomimetics (Basel, Switzerland)·2023
Same author

Expression and function of Toll-like receptors in peripheral blood mononuclear cells from patients with ovarian cancer.

Cancer immunology, immunotherapy : CII·2014
Same author

Multimedia model for polycyclic aromatic hydrocarbons (PAHs) and nitro-PAHs in Lake Michigan.

Environmental science & technology·2014
Same author

[Expression and localization of the nuclear factor-κB classical signaling pathway in the radial artery of diabetic patients].

Zhonghua wai ke za zhi [Chinese journal of surgery]·2014
Same author

The health effects of exposure to arsenic-contaminated drinking water: a review by global geographical distribution.

International journal of environmental health research·2014
Same author

Quantifying the lifetime circadian rhythm of physical activity: a covariate-dependent functional approach.

Biostatistics (Oxford, England)·2014

関連する実験動画

Updated: Feb 20, 2026

Cross-Modal Multivariate Pattern Analysis
13:51

Cross-Modal Multivariate Pattern Analysis

Published on: November 9, 2011

20.5K

ディープ・ソフト・トリプル・ハッシングは,マルチラベルクロスモダルのリトリーヴを可能にする.

Shuo Han1, Qibing Qin2, Jinkui Hou2

  • 1School of Computer Science, Qufu Normal University, Rizhao, China.

Neural networks : the official journal of the International Neural Network Society
|February 18, 2026
PubMed
まとめ

ディープ・ソフト・トリプル・ハッシング (DSTH) は,各クラスの複数のセンターを使用してローカル・ストラクチャをキャプチャすることで,クロス・モダルの検索を改善します. この新しいディープ・ハッシング・フレームワークは,エンベディング・ラーニングを強化し,よりよい検索精度のために意味論のギャップを削減します.

キーワード:
クラス中心の戦略です.ディープハッシング (Deep Hashing) とはマルチラベルクロスモダル検索マルチセンター マルチセンターセマンティック・ポジション セマンティック・ポジション

さらに関連する動画

A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments
08:12

A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments

Published on: March 1, 2022

3.0K
Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities
07:13

Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities

Published on: October 27, 2023

1.7K

関連する実験動画

Last Updated: Feb 20, 2026

Cross-Modal Multivariate Pattern Analysis
13:51

Cross-Modal Multivariate Pattern Analysis

Published on: November 9, 2011

20.5K
A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments
08:12

A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments

Published on: March 1, 2022

3.0K
Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities
07:13

Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities

Published on: October 27, 2023

1.7K

科学分野:

  • コンピュータサイエンス コンピュータサイエンス
  • 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
  • インフォメーション・リトリーバルの検索

背景:

  • ディープ・クロスモダル・ハッシング・メソッドは,しばしばミニ・バッチ・トレーニングを使用し,特にマルチラベル・データでは,近所探査と埋め込み品質を制限します.
  • 既存のSoftMaxの損失最適化モデルは,単一のセンターを持つクラスで,クラス内の意味論クラスタを捉えることができず,意味論ギャップを拡大しています.

研究 の 目的:

  • ディープ・ソフト・トリプル・ハッシング (DSTH) を提案し,クロス・モダル・リトレイリングにおける意味学的な類似性を保ち,コンパクトなハッシュ・コードを学習するための新しいフレームワークを提案する.
  • クラス内のバリエーションをモデリングし,意味論のギャップを縮小することによって,現在のディープハッシュ方法の限界に対処する.

主な方法:

  • 各クラスのマルチセンター戦略を導入し,異質なサンプル分布をモデル化し,クラス内の差異を軽減しました.
  • 同様のセンターを集約し,最適な数のセンターを決定するために,L2,1の正規化によるクラスセンター戦略を開発しました.
  • 定量化エラーを最小限に抑え,バイナリコードの識別性を改善するために,意味論的位置定量化損失を組み込みました.

主要な成果:

  • DSTHは3つのマルチラベルデータセットで,強力なベースラインに対して1.2%-9.3%の絶対的なmAP増益で,クロスモダルの検索において顕著な改善を達成しました.
  • 既存の方法と比較して,Precision-Recall曲線での優れたパフォーマンスを実証しました.
  • 有効に学習されたコンパクトハッシュコードで,意味学的な類似性をより良く保ちます.

結論:

  • DSTHは,複数のセンターを使用してクラス内のローカル構造を効果的にモデル化し,複雑なマルチラベル検索シナリオでは単一センターのアプローチを上回ります.
  • 提案されたフレームワークは,組み込み学習を強化し,意味論的なギャップを縮小し,クロスモダルのリトリケーションにおける最先端のパフォーマンスをもたらします.
  • DSTHは,大規模なクロスモダルの回収システムを改善するための有望なアプローチを提供します.