Regularized multivariate von Mises distribution

Rodríguez Luján, Luis; Bielza Lozoya, María Concepción y Larrañaga Múgica, Pedro María (2015). Regularized multivariate von Mises distribution. En: "XVI Conferencia de la Asociación Española para la Inteligencia Artificial", 09-12 Nov 2015, Albacete, España. ISBN 978-3-319-24597-3. pp. 25-35. https://doi.org/10.1007/978-3-319-24598-0_3.

Descripción

Título: Regularized multivariate von Mises distribution
Autor/es:
  • Rodríguez Luján, Luis
  • Bielza Lozoya, María Concepción
  • Larrañaga Múgica, Pedro María
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: XVI Conferencia de la Asociación Española para la Inteligencia Artificial
Fechas del Evento: 09-12 Nov 2015
Lugar del Evento: Albacete, España
Título del Libro: Advances in Artificial Intelligence
Fecha: 2015
ISBN: 978-3-319-24597-3
Volumen: 9422
Materias:
Palabras Clave Informales: von Mises distribution; Directional distributions; Circular distance; Machine learning
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
Pdf - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (523kB) | Vista Previa

Resumen

Regularization is necessary to avoid overfitting when the number of data samples is low compared to the number of parameters of the model. In this paper, we introduce a flexible L1 regularization for the multivariate von Mises distribution. We also propose a circular distance that can be used to estimate the Kullback-Leibler divergence between two circular distributions by means of sampling, and also serves as goodness-of-fit measure. We compare the models on synthetic data and real morphological data from human neurons and show that the regularized model achieves better results than non regularized von Mises model.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaTIN2013-41592-PSin especificarUniversidad Politécnica de MadridAPRENDIZAJE DE REDES BAYESIANAS CON VARIABLES SIN Y CON DIRECCIONALIDAD PARA DESCUBRIMIENTO DE ASOCIACIONES, PREDICCION MULTIRESPUESTA Y CLUSTERING

Más información

ID de Registro: 42149
Identificador DC: http://oa.upm.es/42149/
Identificador OAI: oai:oa.upm.es:42149
Identificador DOI [BETA]: 10.1007/978-3-319-24598-0_3
URL Oficial: http://dl.acm.org/citation.cfm?id=2954565
Depositado por: Memoria Investigacion
Depositado el: 23 Ene 2017 15:07
Ultima Modificación: 23 Ene 2017 15:07
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM