Machine learningMachine learning
オンラインガウス混合モデル
オンラインガウス混合モデルは、古典的なGMMをストリーミングデータまたは大規模データに適応させるために、フルバッチEMをインクリメンタル更新に置き換えます。これは、1つの観測値またはミニバッチを一度に処理し、データセット全体を再訪することなく、コンポーネントの平均、共分散、および混合重みを継続的に洗練させます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Cappé, O. & Moulines, E. (2009). On-line expectation-maximization algorithm for latent data models. Journal of the Royal Statistical Society: Series B, 71(3), 593–613. DOI: 10.1111/j.1467-9868.2009.00698.x ↗
- Sato, M. & Ishii, S. (2000). On-line EM algorithm for the normalized Gaussian network. Neural Computation, 12(2), 407–432. DOI: 10.1162/089976600300015853 ↗
このページの引用方法
ScholarGate. (2026, June 3). Online Gaussian Mixture Model (Incremental / Streaming GMM). ScholarGate. https://scholargate.app/ja/machine-learning/online-gaussian-mixture-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ベイズ混合ガウスモデル機械学習↔ compare
- K-means クラスタリング機械学習↔ compare
- オンラインK-means機械学習↔ compare
- オンライン学習機械学習↔ compare
- 半教師ありガウス混合モデル機械学習↔ compare