| 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 | 2015-01-29 16:00 ［招待講演］データに潜む本質を捉えるための機械学習技術 ○澤田 宏（NTT）  ICD2014-113 |
|
| 抄録 | （和） | 情報通信技術の発展により大量のデータを収集・蓄積することが可能になっている．膨大で多様なデータを人間や計算機が活用するために，検索，可視化，分析など様々な技術が磨かれてきた．本講演では，データ分析技術の一手法として，非負値行列因子分解(NMF: Non-negative Matrix Factorization)とその発展形を紹介し，様々な種類のデータに対する適用例を示す．NMFは，行列形式で与えられたデータを，そのデータに潜む本質的な構造を捉えながら分解する機械学習技術として，幅広く用いられている．２軸の行列形式だけでなく３軸のテンソルやそれ以上の軸を持つデータへの適用を考えると，データのスパース性の問題が顕著になるが，その問題に対する我々のアプローチについても紹介する． |
| （英） | Recent development of information and communications technologies enable us to collect and store massive amount of data. In order to practically use such huge amount of various data, many technologies, such as search, visualization, and analysis, have been developed and polished. In this talk, we present Non-negative Matrix Factorization (NMF) and its related methods with several application examples to various kinds of data. NMF is a popular machine learning technique that decomposes matrix-formed data by capturing the essence of data. We also present our approach to the problem of data sparseness, which emerges more problematically in the analysis of tensor with three-dimension or higher dimensions than two-dimensional matrix. | |
| キーワード | （和） | データ分析 / 機械学習 / 行列 / テンソル / 非負値行列因子分解 / スパース性 / / |
| （英） | Data analysis / Machine learning / Matrix / Tensor / Non-negative Matrix Factorization (NMF) / Sparseness / / | |
| 文献情報 | 信学技報, vol. 114, no. 436, ICD2014-113, pp. 19-19, 2015年1月. | |
| 資料番号 | ICD2014-113 | |
| 発行日 | 2015-01-22 (ICD) | |
| 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 | ICD2014-113 |
|
| 研究会情報 | |
| 研究会 | ICD IPSJ-ARC |
| 開催期間 | 2015-01-29 - 2015-01-30 |
| 開催地（和） | 慶應義塾大学 日吉キャンパス |
| 開催地（英） | |
| テーマ（和） | 集積回路とアーキテクチャの協創「ロボット，ヒューマノイド，AI技術および一般」 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | ICD |
| 会議コード | 2015-01-ICD-ARC |
| 本文の言語 | 日本語 |
| タイトル（和） | データに潜む本質を捉えるための機械学習技術 |
| サブタイトル（和） | |
| タイトル（英） | Machine Learning Techniques for Capturing the Essence Hidden in Data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | データ分析 / Data analysis |
| キーワード(2)（和/英） | 機械学習 / Machine learning |
| キーワード(3)（和/英） | 行列 / Matrix |
| キーワード(4)（和/英） | テンソル / Tensor |
| キーワード(5)（和/英） | 非負値行列因子分解 / Non-negative Matrix Factorization (NMF) |
| キーワード(6)（和/英） | スパース性 / Sparseness |
| 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） | 澤田 宏 / Hiroshi Sawada / サワダ ヒロシ |
| 第1著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2015-01-29 16:00:00 |
| 発表時間 | 60分 |
| 申込先研究会 | ICD |
| 資料番号 | ICD2014-113 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.436 |
| ページ範囲 | p.19 |
| ページ数 | 1 |
| 発行日 | 2015-01-22 (ICD) |
[研究会発表申込システムのトップページに戻る]