Key points are not available for this paper at this time.
우리는 양자기 설계 알고리즘에 사용되는 왜곡 측정에 베이즈 위험 항을 포함하여 분류와 압축을 단일 벡터 양자기에 결합하는 방법을 설명합니다. 훈련이 완료되면, 이 양자기는 필요한 사후 확률을 제공하는 모델이 있을 경우 베이즈 위험 가중 왜곡 측정을 최소화하도록 작동하거나, 제곱 오차만 최소화하여 비최적 방식으로 작동할 수 있습니다. 우리는 양자화의 독립적인 설계와 최소 베이즈 위험 분류 및 코호넨의 LVQ를 포함한 다른 벡터 양자기 기반 분류기와 비교했습니다. 다양한 예시가 제안된 방법이 학습 VQ에 근접하거나 우수한 분류 능력을 제공하면서 동시에 우수한 압축 성능을 제공할 수 있음을 보여줍니다.
Oehler 외., (Mon,) 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: