| 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 | 2012-11-08 15:00 クラスタリングに基づく局所的半教師付きガウス過程回帰 ○カク シンロ（神戸大）・安村禎明（芝浦工大）・上原邦昭（神戸大）  IBISML2012-86 |
|
| 抄録 | （和） | グラフを用いた半教師付き学習はほとんど分類問題に適用され，回帰に対する提案は少ない．半教師付き平滑仮説によれば，グラフも回帰問題に役立てることができ，出力値の間の類似性を反映するために用いることができる．本稿では，グラフベースの半教師付きガウス過程回帰アルゴリズムを提案する．本手法は，ラベルありデータとラベルなしデータに基づいて構築される隣接グラフをガウス過程に組み入れて，半教師付き回帰の訓練モデルと予測分布を導くものである．ガウス過程の計算では，共分散行列の逆行列を必要とするため，大きなデータセットに対して多大な計算量がかかる．この問題を解決するために，クラスタリングの枠組みを導入する．具体的には，クラスタリングを利用して，入力集合を分割して各部分集合で個別に回帰を行うようにしている．評価実験により，本手法は既存の手法と比較して高い性能を示し，クラスタリングの利用により計算効率がよくなることが確認できた． |
| （英） | The majority of the existing graph-based semi-supervised learning algorithms have been applied to the classification task. In this paper we propose a graph-based semi-supervised Gaussian process (GP) algorithm for solving regression problem. Our method incorporates an adjacent graph, which is built on labeled and unlabeled data, with the standard GP prior to infer the new training and predicting distribution for semi-supervised GP regression (GPr). Furthermore, we extend our semi-supervised method to a clustering framework for reducing the computational cost in GP. Experimental results show that our work achieves encouraging results. | |
| キーワード | （和） | 半教師付き学習 / 回帰 / ガウス過程 / グラフベース / クラスタリング / / / |
| （英） | Semi-supervised Learning / Regression / Gaussian process / Graph Laplacian / Clustering / / / | |
| 文献情報 | 信学技報, vol. 112, no. 279, IBISML2012-86, pp. 373-380, 2012年11月. | |
| 資料番号 | IBISML2012-86 | |
| 発行日 | 2012-10-31 (IBISML) | |
| 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 | IBISML2012-86 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2012-11-07 - 2012-11-09 |
| 開催地（和） | 筑波大学 東京キャンパス文京校舎 |
| 開催地（英） | Bunkyo School Building, Tokyo Campus, Tsukuba Univ. |
| テーマ（和） | 第15回情報論的学習理論ワークショップ |
| テーマ（英） | the 15th Information-Based Induction Sciences Workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2012-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | クラスタリングに基づく局所的半教師付きガウス過程回帰 |
| サブタイトル（和） | |
| タイトル（英） | Local Semi-supervised Gaussian Process Regression based-on Clustering |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 半教師付き学習 / Semi-supervised Learning |
| キーワード(2)（和/英） | 回帰 / Regression |
| キーワード(3)（和/英） | ガウス過程 / Gaussian process |
| キーワード(4)（和/英） | グラフベース / Graph Laplacian |
| キーワード(5)（和/英） | クラスタリング / Clustering |
| 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） | カク シンロ / Xinlu Guo / カク シンロ |
| 第1著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 安村 禎明 / Yoshiaki Yasumura / ヤスムラ ヨシアキ |
| 第2著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 第3著者 氏名（和/英/ヨミ） | 上原 邦昭 / Kuniaki Uehara / ウエハラ クニアキ |
| 第3著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-11-08 15:00:00 |
| 発表時間 | 150分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2012-86 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.279 |
| ページ範囲 | pp.373-380 |
| ページ数 | 8 |
| 発行日 | 2012-10-31 (IBISML) |
[研究会発表申込システムのトップページに戻る]