阿卡霍、肖塔罗 用于朴素贝叶斯推理的条件无关组件提取。 (英语) Zbl 1001.68659号 Dorffner,Georg(编辑)等人,《人工神经网络-ICANN 2001》。国际会议,奥地利维也纳,2001年8月21日至25日。诉讼程序。柏林:斯普林格。莱克特。注释计算。科学。2130, 535-540 (2001). 摘要:本文将独立成分分析(ICA)框架扩展到监督学习。其关键思想是找到给定输出的输入变量的条件独立表示。这种表示方法对于朴素贝叶斯学习以及更复杂的方法都很有用。学习算法是按照与ICA类似的准则推导出来的。二维熵在独立分量分析中起着重要作用,而一维熵在独立成分分析中起到了重要作用。关于整个系列,请参见[Zbl 0972.68679号]. 引用于17文件 MSC公司: 68单位99 计算方法和应用 68T05型 人工智能中的学习和自适应系统 92秒20 生物研究、人工生命和相关主题中的神经网络 PDF格式BibTeX公司 XML格式引用 \textit{S.Akaho},莱克特。注释计算。科学。2130535--540(2001年;Zbl 1001.68659) 全文: 链接