| 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 | 2015-03-19 16:40 部分教師付き多峰性low rank生成モデル学習手法の提案 ○青木栄太・松本哲也・大西 昇（名大）  BioX2014-60 PRMU2014-180 |
|
| 抄録 | （和） | 本研究では、一部のデータのみのカテゴリ情報が既知である劣決定環境下における各カテゴリ分布の学習手法を検討する。データ分布は多峰性を考慮するため、各カテゴリ分布の学習は困難である。そこで、与えられたカテゴリ情報を利用して、カテゴリ分離に適した低次元部分空間にデータを射影し、GMM近似する手法を提案する。具体的には、各カテゴリ分布を多次元正規分布からなるサブクラスの線形結合と考え、適切な評価基準によって射影空間を決定する。実験では、提案手法のパラメータを変えて従来手法との比較を行い、一部のデータに対して、提案手法は従来手法よりも高い精度を示すことがわかった。 |
| （英） | In this study, we examine the learning method of each category distribution under underdetermined environment that category information of few data are known. Because we use multimodal data distribution, learning for each category distribution is difficult. Therefore, by using the given category information, and projecting the data into low-dimensional subspace suitable for category classification, we propose a method to GMM approximation. Specifically, we consider each category distribution as a linear combination of subclasses of the multidimensional normal distribution, and determine the projection space by appropriate criteria. In the experiment, we compared the proposed method with the conventional method by changing the parameters. In some cases, the proposed method showed higher accuracy than the conventional method. | |
| キーワード | （和） | 部分教師付き学習 / 次元圧縮 / 多峰性 / / / / / |
| （英） | Semi-Supervised Learning / Dimensionality Reduction / Multi-Modality / / / / / | |
| 文献情報 | 信学技報, vol. 114, no. 521, PRMU2014-180, pp. 129-134, 2015年3月. | |
| 資料番号 | PRMU2014-180 | |
| 発行日 | 2015-03-12 (BioX, PRMU) | |
| 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 | BioX2014-60 PRMU2014-180 |
|
| 研究会情報 | |
| 研究会 | PRMU BioX |
| 開催期間 | 2015-03-19 - 2015-03-20 |
| 開催地（和） | 慶応大学矢上キャンパス |
| 開催地（英） | |
| テーマ（和） | スマート・ウェアラブルデバイスに向けたパターン認識，生活を守るウェアラブルデバイス |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2015-03-PRMU-BioX |
| 本文の言語 | 日本語 |
| タイトル（和） | 部分教師付き多峰性low rank生成モデル学習手法の提案 |
| サブタイトル（和） | |
| タイトル（英） | Semi-Supervised Low-rank GMM Learning for Multimodal Distribution |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 部分教師付き学習 / Semi-Supervised Learning |
| キーワード(2)（和/英） | 次元圧縮 / Dimensionality Reduction |
| キーワード(3)（和/英） | 多峰性 / Multi-Modality |
| キーワード(4)（和/英） | / |
| 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） | 青木 栄太 / Eita Aoki / アオキ エイタ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 松本 哲也 / Tetsuya Matsumoto / マツモト テツヤ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 大西 昇 / Noboru Ohnishi / オオニシ ノボル |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya 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 | 2015-03-19 16:40:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | BioX2014-60, PRMU2014-180 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.520(BioX), no.521(PRMU) |
| ページ範囲 | pp.129-134 |
| ページ数 | 6 |
| 発行日 | 2015-03-12 (BioX, PRMU) |
[研究会発表申込システムのトップページに戻る]