| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2011-07-25 14:10 Slow Feature Analysisへの確率伝搬法の適用 ○関口智樹（東大）・大森敏明・岡田真人（東大/理研）  NC2011-26 |
|
| 抄録 | （和） | Slow Feature Analysis (SFA)とは，複数の時系列データの中から最も"ゆっくりと"変化する成分(slow feature)を抽出するデータ解析手法である．本研究において，我々は観測ノイズの影響を考慮した確率的SFAの推定アルゴリズムを提案する．近年，SFAの確率モデルが提案されているが，先行研究では尤度関数を求める際に観測データに加わる観測ノイズを0と近似して計算している．この近似は観測データにノイズが加わらないことを意味しており，ノイズが加わっていると考えられる実データなどに応用した際に，適切な結果が得られるかどうかは定かではない．そこで，本研究では観測ノイズの影響を考慮した上で，SFAの確率モデルにおける尤度関数を厳密に計算した．注目する確率モデルのグラフ構造から，尤度関数の計算に確率伝搬法を適用することで厳密な計算を行うことが可能になることを示した．我々は提案手法を人工データに適用し，観測ノイズが加わった状況においても正確にslow featureの推定を行えることを示した． |
| （英） | The slow feature analysis (SFA) is a data analysis method that extracts slowly varying features from time series data. In this study, we propose an estimation algorithm of the probabilistic model of SFA that takes into account an effect of observation noise. Recently, a probabilistic model of the SFA has been proposed. However, the conventional algorithm using the probabilistic SFA model approximately evaluates the likelihood function by assuming observation noise to be zero. This means that observed data is assumed not to include noise in the conventional algorithm. Therefore it is not clear whether we can obtain a suitable result when we apply this conventional algorithm to real noisy data. In this study, we derived a likelihood function exactly in the probabilistic SFA model, that takes into account an effect of observation noise. From the graphical structure of the probabilistic SFA model, we showed that it is possible to derive the likelihood function exactly by using belief propagation. We applied our algorithm to artificial data, and showed that it could accurately estimate the slow feature from data including observation noise. |
|
| キーワード | （和） | Slow Feature Analysis / 状態空間モデル / 確率伝搬法 / グラフ構造 / 確率論的時系列解析 / / / |
| （英） | Slow Feature Analysis / state-space model / belief propagation / graphical structure / probabilistic time series analysis / / / | |
| 文献情報 | 信学技報, vol. 111, no. 157, NC2011-26, pp. 31-36, 2011年7月. | |
| 資料番号 | NC2011-26 | |
| 発行日 | 2011-07-18 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2011-26 |
|
| 研究会情報 | |
| 研究会 | NC |
| 開催期間 | 2011-07-25 - 2011-07-26 |
| 開催地（和） | 神戸大学大学院工学研究科 |
| 開催地（英） | Graduate School of Engineering, Kobe University |
| テーマ（和） | 知的システム、一般 |
| テーマ（英） | Intelligent systems and general |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2011-07-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | Slow Feature Analysisへの確率伝搬法の適用 |
| サブタイトル（和） | |
| タイトル（英） | Belief Propagation for Slow Feature Analysis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Slow Feature Analysis / Slow Feature Analysis |
| キーワード(2)（和/英） | 状態空間モデル / state-space model |
| キーワード(3)（和/英） | 確率伝搬法 / belief propagation |
| キーワード(4)（和/英） | グラフ構造 / graphical structure |
| キーワード(5)（和/英） | 確率論的時系列解析 / probabilistic time series analysis |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 関口 智樹 / Tomoki Sekiguchi / セキグチ トモキ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 大森 敏明 / Toshiaki Omori / オオモリ トシアキ |
| 第2著者 所属（和/英） | 東京大学/理化学研究所 (略称： 東大/理研) The University of Tokyo/RIKEN (略称： The Univ. of Tokyo/RIKEN) |
| 第3著者 氏名（和/英/ヨミ） | 岡田 真人 / Masato Okada / オカダ マサト |
| 第3著者 所属（和/英） | 東京大学/理化学研究所 (略称： 東大/理研) The University of Tokyo/RIKEN (略称： The Univ. of Tokyo/RIKEN) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-07-25 14:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2011-26 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.157 |
| ページ範囲 | pp.31-36 |
| ページ数 | 6 |
| 発行日 | 2011-07-18 (NC) |
[研究会発表申込システムのトップページに戻る]