| 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 | 2016-07-05 13:00 非線形埋込み型特徴量選択のための単結合ニューラルネットワークの提案 ○須藤明人（東大）・樋口知之・中野慎也・斎藤正也（統計数理研）・矢部貴大・関本義秀（東大）  IBISML2016-1 |
|
| 抄録 | （和） | 特徴量選択手法は、選択の基準によってラッパー法、フィルター法、埋込み法に分類できるが、埋込み法はいわゆるスパースモデリングへの有効性から、近年活発に研究されている。従来研究では、線形モデルとしてLassoが代表的であり、非線形モデルとしてカーネル法を用いた手法が複数提案されている。本研究では、従来手法とは異なる単結合ニューラルネットワークを用いたアプローチによる非線形な埋込み型特徴量選択法を提案する。加法モデルと非加法モデルから生成した人工データを用いた実験で、特徴量選択と関数近似の観点でLassoを上回る結果を得た。 |
| （英） | Feature selection methods can be divided into three categories; wrapper methods, filter methods, and embedded methods. Embedded methods recently attract many researchers due to the effectiveness for the sparse modeling. One of important issues in researches of the embedded methods are devising non-linear methods, and methods employing non-linear kernel has been proposed. In the present paper, we propose a non-linear embedded feature selection method employing deep neural network. In the experiment using two synthetic datasets, the proposed method outperforms Lasso in terms of both feature selection and function approximation. | |
| キーワード | （和） | ディープラーニング / スパースモデリング / 特徴量選択 / Lasso / 非線形 / / / |
| （英） | Deep Learning / Sparse Modeling / Feature Selection / Lasso / Nonlinear / / / | |
| 文献情報 | 信学技報, vol. 116, no. 121, IBISML2016-1, pp. 127-131, 2016年7月. | |
| 資料番号 | IBISML2016-1 | |
| 発行日 | 2016-06-27 (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 | IBISML2016-1 |
|
| 研究会情報 | |
| 研究会 | NC IPSJ-BIO IBISML IPSJ-MPS |
| 開催期間 | 2016-07-04 - 2016-07-06 |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| テーマ（和） | 機械学習によるバイオデータマインニング、一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining, and General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2016-07-NC-BIO-IBISML-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | 非線形埋込み型特徴量選択のための単結合ニューラルネットワークの提案 |
| サブタイトル（和） | |
| タイトル（英） | Non-linear Embedded Feature Extraction Method using Comb-shaped Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ディープラーニング / Deep Learning |
| キーワード(2)（和/英） | スパースモデリング / Sparse Modeling |
| キーワード(3)（和/英） | 特徴量選択 / Feature Selection |
| キーワード(4)（和/英） | Lasso / Lasso |
| キーワード(5)（和/英） | 非線形 / Nonlinear |
| 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） | 須藤 明人 / Akihito Sudo / スドウ アキヒト |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) the University of Tokyo (略称： UT) |
| 第2著者 氏名（和/英/ヨミ） | 樋口 知之 / Tomoyuki Higuchi / ヒグチ トモユキ |
| 第2著者 所属（和/英） | 統計数理研究所 (略称： 統計数理研) the Institute of Statistical Mathematics (略称： ISM) |
| 第3著者 氏名（和/英/ヨミ） | 中野 慎也 / Shin'ya Nakano / ナカノ シンヤ |
| 第3著者 所属（和/英） | 統計数理研究所 (略称： 統計数理研) the Institute of Statistical Mathematics (略称： ISM) |
| 第4著者 氏名（和/英/ヨミ） | 斎藤 正也 / Masaya Saito / サイトウ マサヤ |
| 第4著者 所属（和/英） | 統計数理研究所 (略称： 統計数理研) the Institute of Statistical Mathematics (略称： ISM) |
| 第5著者 氏名（和/英/ヨミ） | 矢部 貴大 / Takahiro Yabe / ヤベタ カヒロ |
| 第5著者 所属（和/英） | 東京大学 (略称： 東大) the University of Tokyo (略称： UT) |
| 第6著者 氏名（和/英/ヨミ） | 関本 義秀 / Yoshihide Sekimoto / セキモト ヨシヒデ |
| 第6著者 所属（和/英） | 東京大学 (略称： 東大) the University of Tokyo (略称： UT) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-07-05 13:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2016-1 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.121 |
| ページ範囲 | pp.127-131 |
| ページ数 | 5 |
| 発行日 | 2016-06-27 (IBISML) |
[研究会発表申込システムのトップページに戻る]