{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,7,5]]，“日期-时间”：“2024-07-05T09:43:19Z”，“时间戳”：1720172599715}，“参考-计数”：27，“出版商”：“Elsevier BV”，“许可证”：[{“开始”：{-“日期-零件”：[2017,10,1]]，”日期-时间“2017-10-01T00:00:00Z“，”timestamp“：1506816000000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“出资人”：[{“DOI”：“10.13039\/501100006091”，“名称”：“高级电信技术研究基金会支持中心”，“DOI-asserted-by”：“publisher”，“id”：[}“id”:“10.13029\/5011000006091”，“id-type”：“DOI“，”asserted-by“：”publisher“}]}，{“名称”：“KAKENHI”，“奖项”：[“15K00299”]}]，“内容域”：{“域”：[”elsevier.com“，”sciencedirect.com“]，”crossmark-restriction“：true}，”short-container-title“：[”Neural Networks“]，“published-print”：}“date-parts”：[[2017,10]]}，“DOI”：“10.1016\/j.neunet.2017.06.015”，“type”：“journal-article”，“created”：{“date-ports”：[[2017,10]}，7,12]]，“日期-时间”：“2017-07-12T14:33:14Z”，“时间戳”：1499869994000}，“页面”：“86-95”，“更新策略”：“http://\\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“源”：“Crossref”、“is-referenced-by-count”：1，“special_numbering”：“C”，“标题”：[“附加数据对贝叶斯聚类的影响”]，“前缀”：“10.1016”，“卷”：“94”，“作者”：[{“给定”：“Keisuke”，“家族”：“Yamazak”i“，”sequence“：”first“，“affiliation”：[]}]，“member”：“78”，“reference”：[{“issue”：“6”，“key”：“10.1016\/j.neunet.2017.06.015_b1”，“doi-asserted-by”：“crossref”，“first page”：《716》，“doi”：“101109\/TAC.1974.1100705”，“article-title”：“统计模型识别的新视角”，“volume”：”AC-19“，“author”：“Akaike”，“year”：“1974”，“journ”al标题“：“IEEE Transactions on Automatic Control”}，{“key”：“10.1016\/j.neunet.2017.06.015_b2”，“doi-asserted-by”：“crossref”，”first page“：”716“，”doi“：”10.1109\/TAC.1974.1100705“，”article-title“：”统计模型识别的新视角“，”volume“：“19”，“author”：“Akaike”，“year”：“1974”，“journal-title”：”IEEE Translations on Automatical Control“}：“10.1016\/j.neunet.2017.06.015_b3”，“unstructured”：“Attias，H.（1999）。通过变分Bayes推断潜在变量模型的参数和结构。人工智能中的不确定性。”}，{“issue”：“1”，“key”：“10.106\/j.neunet.201706.015_b4”，“doi-asserted-by”：“crossref”，“first page”：”41“doi”：“101023\/A:1007379606734”，“article-title”：“多任务学习”，“volume”：“28”，“author”：“Caruana”，“year”：“1997”，“journal-title:“Machine learning”}，{“key”：”10.1016\/j.neunet.2017.06.015_b5“，”series-title“：”半监督学习“，”author“：”Chapelle“，“year:”2006“}，“key蒂尔”：“用于估计函数值的归纳推理”，“volume”：“12”，“author”：“Chapelle”，“year”：“1999”，“journal-title”：“Advances in Neural Information Processing Systems”}，{“key”：”10.1016\/j.neunet.2017.06.015_b7“，”doi-asserted-by“：”crossref“，”first page“：”453“，”doi“：”10.1109\/18.54897“，”article-title“：“Bayes方法的信息论渐近性”，“volume”：“36”，“author”：“Clarke”，“year”：“1990”，“journal-title”：“IEEE Transactions on Information Theory”}，{“issue”：“1”，“key”：”10.1016\/j.neunet.2017.06.015_b8“，”first page“：”1：“1977年”，“新闻标题”：“英国皇家统计学会杂志，B辑统计方法”}，{“key”：“10.1016\/j.neunet.2017.06.015_b9”，“非结构化”：“du Plessis，M.C.，Niu，G.，&Sugiyama，M.（2015）.用于从正的和未标记的数据中学习的类先验估计。第七届亚洲机器学习会议论文集（第221\u2013236页）。“}，{”key“：”10.1016\/j.neunet.2017.06.015_b10“，”doi-asserted-by“：”crossref“，”first page“：“110”，”doi“：”101016\/j.neunet.2013.11.010“，”article-title“：”通过分布匹配实现类前变化下的类平衡半监督学习“，”volume“：10.1016\/j.neunet.2017.06.015_b11“，”series-title“：”ECML“，”first page“：“608”，”article-title“：”Learning from relevant tasks only“，”author“：”Kaski“，”year“：”2007“}，{”key“：年份“：”2005“}，{“issue”：“7”，“key”：“10.1016\/j.neunet.2017.06.015_b13”，“doi-asserted-by”：“crossref”，“first page”：”1253“，“doi”：“101109\/TNN.2008.2000202”，“article-title”：“从贝叶斯后验交换Monte Carlo抽样用于单数学习机器”，“volume”:“19”，“author”：“Nagata”，“year”：“2008”，“journal-title“：”IEEE Transactions on Neural Networks“}，{”key“：”10.1016\/j.neunet.2017.06.015_b14“，”doi-asserted-by“：”crossref“，”first page“：“403”，“doi”：“10.1007\/BF00049299”，“article-title”：“客观贝叶斯过程的蒙特卡罗方法”，“volume”：“42（3）”，“author”：“Ogata”，“year”：“1990”，“journal-title“：”《统计数学研究所年鉴》，{“key”：“10.1016\/j.neuet.207.0.015_b15”，“系列标题”：“NIPS归纳迁移研讨会”，“文章标题”：“通过构建信息先验进行迁移学习”，“作者”：“Raina”，“年份”：“2005”}，{“key”：“10.1016\/j.neuet.207.0.015_b16”，“doi断言者”：“crossref”，“第一页”：“2607”DOI“：”10.1103\/PhysRevLett.57.2607“，”article-title“：”spin-glass的复制蒙特卡罗模拟“，”volume“：”57“，”author“：”Swendsen“，”year“：”1986“，”journal-title”：“Physical Review Letters”}，{“key”：“10.1016\/j.neunet.2017.06.015_b17”，“DOI-asserted-by”：“crossref”，“article-title”:“渐近统计”，“author”：“van der Vaart”，”year:“1998”，“DOI”：“10.1017\/CBO978051180225“}，{“key”：“10.1016\/j.neunet.2017.06.015_b18”，“doi-asserted-by”：“crossref”，“首页”：“899”，“doi”：“101162\/089976601300014402”，“article-title”：“不可识别学习机的代数分析”，“volume”：”13（4）“，“author”：“Watanabe”，“year”：“2001”，“journal-title“：”神经计算“}”，{问题：“1”，“键”：“10.1016\/j.neunet.2017.06.015_b19“，”doi-asserted-by“：”crossref“，”first page“：”20“，”doi“：”10.1016\\j.neunet.2009.08.002“，”article-title“：”奇异统计估计中的状态方程“，”volume“：“23”，”author“：”Watanabe“，”year“：”2010“，”journal-title”：“神经网络”}，{“key”：“10.1016//j.neunet.2017.06.015_b20”，“series-title”：“ISITA\u201912“，“首页”：“707”，“文章标题”：“部分观测到的隐藏数据用最大似然估计量估计潜在变量的准确性”，“作者”：“山崎”，“年份”：“2012”}，{“问题”：“1”，“关键”：“10.1016\/j.neunet.2017.06.015_b21”基于分布的潜在变量估计的渐近准确性”，“量”：“15”，“作者”：“山崎”，“年份”：“2014”，“期刊标题”：“机器学习研究杂志（JMLR）”}，{“问题”：“6”，“关键”：“10.1016\/j.neunet.2017.06.015_b22”，“doi-asserted-by”：“crossref”，《首页》：“1007”，“doi”：“10.20965\/jacii.2014.p1007”关于结构高斯混合的贝叶斯聚类“，”volume“：”18“，”author“：”Yamazaki“，”year“：”2014“，”journal-title“：”journal of Advanced Computational Intelligence and Intelligent Informatics“}，{“key”：“10.1016\/j.neunet.2017.06.015_b23”，“doi-asserted-by”：“crossref”，“first page”：类平衡变化时半监督分类的准确性分析“，”volume“：”160“，”author“：”Yamazaki“，”year“：”2015“，”journal-title“：”Neurocomputing“}，{“key”：“10.1016\/j.neunet.2017.06.015_b24”，”doi-asserted-by“：”crossref“，”first-page“：”1“，”doi“10.1016 \/j-neunet.2015.04.012”，“article-title”：“贝叶斯半监督学习中潜在变量估计的准确性”，“卷”：“69”，“作者”：“山崎”，“年份”：“2015”，“期刊标题”：“神经网络”}，{“问题”：“1”，“关键”：“10.1016\/j.neunet.2017.06.015_b25”，“doi-asserted-by”：“crossref”，”首页“：”1“，”doi“10.1007\/s10994-015-5482-3”，“文章标题”：具有冗余的潜在变量的Bayes估计的渐近准确性”，“量”：“102”，“作者”：“山崎”，“年份”：“2016”，“期刊标题”：“机器学习”}，{“关键”：“10.1016\/j.neunet.2017.06.015_b26”，“非结构化”：“Yamazaki，K.&Kaski，S.（2008）相关子任务学习中的泛化错误分析。《神经信息处理进展》，第15届国际会议，修订论文集，第一部分（第629\u2013637页）。“}，{”key“：”10.1016\/j.neunet.2017.06.015_b27“，”series-title“：”半监督学习文献调查。技术报告TR1530“，”author“：”Zhu“，”year“：”2007“}]，”container-title“：[”Neural Networks“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S089360801730151X？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S089360801730151X？httpAccept=text\/plain“，”content-type”：“text\/prain”，“content-versiion”：“vor”，“intended-application”：“text-mining}”，“deposed”：{“date-parts”：[2018,8,30]]，“日期时间”：“2018-08-30T03:54:07Z“，”timestamp“：1535601247000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S089360801730151X”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2017,10]]}，‘references-count’：27，‘alternative-id’：[”S08936001730151X“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.neunet.2017.06.015“，”relationship“：{}，”ISSN“：[”0893-6080“]，”ISSN-type“：[{”value“：”0893-6080“，”type“:”print“}]，”subject“：【】，”published“：{”date-parts“：[[2017,10]]}，“assertion”：【{”value“：”Elsevier“，”name“：”publisher“，”label“：”本文由“}维护，{”value“：“附加数据对贝叶斯聚类的影响”，“name”：“articletle”，“label”：“article”标题“}，{”值“：”神经网络“，”name“：”journalttle“，”label“：”Journal Title“}，”{“value”：“https:\\/doi.org\/101016\/j.neunet.2017.06.015”，“name”：“articlelink”，“label”：“CrossRef doi link to publisher maintained version”}，{“value”：“文章”，“名称”：“content_type”，“标签”：“内容类型”}、{“值”：“\u00a9 2017 Elsevier Ltd.保留所有权利。”，“name”：“版权”，“label“：”版权所有“}]}}