| 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 | 2013-08-29 16:10 ［チュートリアル講演］Tensor-Based Machine Learning: Modeling, Algorithms and Applications ○Qibin Zhao・Andrzej Cichocki（RIKEN）  SIP2013-73 |
|
| 抄録 | （和） | Tensors are a generalization of vectors and matrices to higher dimensions that can naturally represent the multidimensional structured data. Based on multilinear algebra, tensor factorizations enable us to effectively capture the hidden structure of the data, which is usually available as a priori information on the data nature. Hence it attracts much interest on unsupervised learning and data exploratory. In this paper, we firstly present some basic concept of tensor factorization and multilinear algebra, then a novel framework for tensor variate Gaussian processes (GP) regression is introduced, which exploits a covariance function defined on tensor representation of data inputs. In this way, we bring together the powerful GP methods supported by Bayesian inference and higher-order tensor analysis techniques into one framework. This enables us to account for the underlying data structure within the model, providing a powerful framework for structural data analysis, such as 3D video sequences. Simulation results on both the synthetic data and a real world application of estimating the crowd size in videos, without the necessarity of the typical segmentations and feature extractions, demonstrate the effectiveness of the proposed approach. |
| （英） | Tensors are a generalization of vectors and matrices to higher dimensions that can naturally represent the multidimensional structured data. Based on multilinear algebra, tensor factorizations enable us to effectively capture the hidden structure of the data, which is usually available as a priori information on the data nature. Hence it attracts much interest on unsupervised learning and data exploratory. In this paper, we firstly present some basic concept of tensor factorization and multilinear algebra, then a novel framework for tensor variate Gaussian processes (GP) regression is introduced, which exploits a covariance function defined on tensor representation of data inputs. In this way, we bring together the powerful GP methods supported by Bayesian inference and higher-order tensor analysis techniques into one framework. This enables us to account for the underlying data structure within the model, providing a powerful framework for structural data analysis, such as 3D video sequences. Simulation results on both the synthetic data and a real world application of estimating the crowd size in videos, without the necessarity of the typical segmentations and feature extractions, demonstrate the effectiveness of the proposed approach. | |
| キーワード | （和） | Tensor factorization / multilinear algebra / Gaussian processes / kernel methods / / / / |
| （英） | Tensor factorization / multilinear algebra / Gaussian processes / kernel methods / / / / | |
| 文献情報 | 信学技報, vol. 113, no. 191, SIP2013-73, pp. 35-40, 2013年8月. | |
| 資料番号 | SIP2013-73 | |
| 発行日 | 2013-08-22 (SIP) | |
| 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 | SIP2013-73 |
|
| 研究会情報 | |
| 研究会 | SIP |
| 開催期間 | 2013-08-29 - 2013-08-30 |
| 開催地（和） | 東京農工大学 |
| 開催地（英） | Tokyo University of Agriculture and Technology |
| テーマ（和） | 画像処理技術，一般（音声音響・通信・学習・実現システム・基礎等） |
| テーマ（英） | Image processing and related topics |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2013-08-SIP |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Tensor-Based Machine Learning: Modeling, Algorithms and Applications |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Tensor factorization / Tensor factorization |
| キーワード(2)（和/英） | multilinear algebra / multilinear algebra |
| キーワード(3)（和/英） | Gaussian processes / Gaussian processes |
| キーワード(4)（和/英） | kernel methods / kernel methods |
| キーワード(5)（和/英） | / |
| 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） | Qibin Zhao / Qibin Zhao / |
| 第1著者 所属（和/英） | 独立行政法人理化学研究所 (略称： 理研) RIKEN (略称： RIKEN) |
| 第2著者 氏名（和/英/ヨミ） | Andrzej Cichocki / Andrzej Cichocki / |
| 第2著者 所属（和/英） | 独立行政法人理化学研究所 (略称： 理研) RIKEN (略称： RIKEN) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-08-29 16:10:00 |
| 発表時間 | 60分 |
| 申込先研究会 | SIP |
| 資料番号 | SIP2013-73 |
| 巻番号（vol） | vol.113 |
| 号番号（no） | no.191 |
| ページ範囲 | pp.35-40 |
| ページ数 | 6 |
| 発行日 | 2013-08-22 (SIP) |
[研究会発表申込システムのトップページに戻る]