Variable Selection for Small Sample and High Dimension Case by Semi-supervised Learning and Its Application to Super-Resolution

小样本高维情况半监督学习的变量选择及其在超分辨率中的应用

基本信息

  • 批准号:
    25870503
  • 负责人:
  • 金额:
    $ 2.75万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Young Scientists (B)
  • 财政年份:
    2013
  • 资助国家:
    日本
  • 起止时间:
    2013-04-01 至 2017-03-31
  • 项目状态:
    已结题

项目摘要

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
教師付き学習におけるMDL推定量の設計とその収束速度
监督学习中MDL估计器的设计及其收敛速度
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    竹内純一;川喜田雅則
  • 通讯作者:
    川喜田雅則
MDL理論によるlassoのリスク上界
基于MDL理论的Lasso风险上限
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    竹内純一;川喜田雅則;川喜田雅則,豊暉原侑心,竹内純一
  • 通讯作者:
    川喜田雅則,豊暉原侑心,竹内純一
教師付き学習におけるMDL推定のリスクバウンドについて
关于监督学习中MDL估计的风险界
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    川喜田雅則;竹内純一
  • 通讯作者:
    竹内純一
Barron and Cover 理論によるlasso のリスクの上界評価
使用 Barron 和 Cover 理论评估套索风险的上限
  • DOI:
  • 发表时间:
    2016
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Kawakita;M. and Takeuchi;J.;川喜田雅則;M. Kawakita and J. Takeuchi;Masanori Kawakita and Jun'ichi Takeuchi;川喜田 雅則
  • 通讯作者:
    川喜田 雅則
L1罰則付き線形回帰のMDLによる推定誤差上界について
关于 L1 惩罚线性回归的 MDL 估计误差上限
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    竹内純一;川喜田雅則;川喜田雅則,豊暉原侑心,竹内純一;豊暉原侑心,川喜田雅則,竹内純一
  • 通讯作者:
    豊暉原侑心,川喜田雅則,竹内純一
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Kawakita Masanori其他文献

Minimum Description Length Principle in Supervised Learning With Application to Lasso
监督学习中的最小描述长度原则及其在 Lasso 中的应用

Kawakita Masanori的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Kawakita Masanori', 18)}}的其他基金

Acceleration of Magnetic Resonance Imaging by Machine Learning
通过机器学习加速磁共振成像
  • 批准号:
    17K00308
  • 财政年份:
    2017
  • 资助金额:
    $ 2.75万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)

相似国自然基金

基于MDL原理的图像语义特征分析方法研究
  • 批准号:
    90820010
  • 批准年份:
    2008
  • 资助金额:
    50.0 万元
  • 项目类别:
    重大研究计划
基于MDL原理的多源数据分类建模技术探索
  • 批准号:
    60675011
  • 批准年份:
    2006
  • 资助金额:
    26.0 万元
  • 项目类别:
    面上项目

相似海外基金

Theory and Practice of Deep Learning Based on Fisher Information Matrix and MDL Principle
基于Fisher信息矩阵和MDL原理的深度学习理论与实践
  • 批准号:
    23H05492
  • 财政年份:
    2023
  • 资助金额:
    $ 2.75万
  • 项目类别:
    Grant-in-Aid for Scientific Research (S)
Development of the MDL Principle and Its Applications
MDL原理的发展及其应用
  • 批准号:
    18H03291
  • 财政年份:
    2018
  • 资助金额:
    $ 2.75万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
The Minimum Description Length Principle and Learning Theory
最小描述长度原则和学习理论
  • 批准号:
    24500018
  • 财政年份:
    2012
  • 资助金额:
    $ 2.75万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Bayesian network structure learning when discrete and continuous variables are present.
存在离散和连续变量时的贝叶斯网络结构学习。
  • 批准号:
    24500172
  • 财政年份:
    2012
  • 资助金额:
    $ 2.75万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
実験的手法と計算学習理論を利用した知識発見とその評価に関する研究
利用实验方法和计算学习理论进行知识发现及其评估研究
  • 批准号:
    10143212
  • 财政年份:
    1998
  • 资助金额:
    $ 2.75万
  • 项目类别:
    Grant-in-Aid for Scientific Research on Priority Areas (A)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了