| 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 | 2022-08-26 15:33 Locally-Structured Unitary Network to Capture Tangent Spaces of Manifold ○Godage Yasas・Shogo Muramatsu（Niigata Univ.）  SIP2022-75 |
|
| 抄録 | （和） | 本研究では，データに潜む多様体の接線空間を捉える独自の線形変換，局所構造化ユニタリネットワーク（LSUN）を提案し，体系的で解釈性の高いデータ駆動型の次元削減を可能とする．LSUN は，変換全体のユニタ リ性の制約のもと，局所的かつ適応的に制御可能な線形変換を実現する．畳み込みにはないシフト可変性を，畳み 込みと同様の重複性と局所性をもって実現する．提案する線形構造は，多様体学習の代替手法として利用できる．既存のフィルタバンクは畳み込み構造で固定されたフィルタカーネルを利用するために，シフト可変性を欠く．ス パースモデリングなどフィルタカーネルを局所的に選別することで接空間を捉えられるが，学習をとおして得られ るフィルタカーネルは冗長となり，フィルタそのものの解釈性も低い．我々はこれらの問題を解決するために非分 離冗長重複変換（NSOLT）の多層構造にヒントを得て，ユニタリ性を保存する回転層，シフト層，バタフライ層な どの線形変換を組合せ，局所的に座標軸を制御する手法を提案する．低次元近似とノイズ除去の実験をとおして提 案法 LSUN の有効性を確認する．また，LSUN が接線空間を捉える手法となり得ることも示す |
| （英） | This work proposes a unique linear transform, locally-structured unitary network (LSUN), that captures tangent spaces of a manifold latent in data, enabling systematic and highly interpretable data-driven dimensionality reduction. LSUN introduces shift variability to the system with locally and adaptively controllable linear layer under the structural constraint of global unitarity. It provides shift variability that convolution does not, with the same overlap and locality as convolution. The proposed method can be an alternative method for realizing manifold learning. Existing filter-bank based transforms lack the shift-variability because they use fixed filter kernels in a convolutional structure. Local selection of filter kernels, such as sparse modeling, can capture tangent spaces, but the filter kernels obtained through training are redundant and the filters themselves are not very interpretable. To solve these problems, we propose a method to locally control coordinate axes by combining linear transforms such as rotation, shift, and butterfly layers that preserve unitarity, inspired by the multilayer structure of the non-separable oversampled lapped transform (NSOLT). The significance of the proposed LSUN is verified through low-dimensional approximation and noise reduction experiments. As well, it is also shown that LSUN can be an approach for capturing tangent spaces. |
|
| キーワード | （和） | 接空間学習 / シフト可変性 / ユニタリ性 / 線形変換 / 自己教師あり学習 / / / |
| （英） | Tangent space learning / shift variability / unitarity / linear transforms / self-supervised learning / / / | |
| 文献情報 | 信学技報, vol. 122, no. 165, SIP2022-75, pp. 129-133, 2022年8月. | |
| 資料番号 | SIP2022-75 | |
| 発行日 | 2022-08-18 (SIP) | |
| ISSN | 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 | SIP2022-75 |
|
| 研究会情報 | |
| 研究会 | SIP |
| 開催期間 | 2022-08-25 - 2022-08-26 |
| 開催地（和） | 大濱信泉記念館（石垣島） |
| 開催地（英） | Nobumoto Ohama Memorial Hall (Ishigaki Island) |
| テーマ（和） | 信号処理一般（数理・学習・画像・音声音響・通信・実現システム・基礎等) |
| テーマ（英） | Signal processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2022-08-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） | Locally-Structured Unitary Network to Capture Tangent Spaces of Manifold |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 接空間学習 / Tangent space learning |
| キーワード(2)（和/英） | シフト可変性 / shift variability |
| キーワード(3)（和/英） | ユニタリ性 / unitarity |
| キーワード(4)（和/英） | 線形変換 / linear transforms |
| キーワード(5)（和/英） | 自己教師あり学習 / self-supervised learning |
| 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） | ゴダゲ ヤサス / Godage Yasas / ゴダゲ ヤサス |
| 第1著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 村松 正吾 / Shogo Muramatsu / ムラマツ ショウゴ |
| 第2著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-08-26 15:33:00 |
| 発表時間 | 18分 |
| 申込先研究会 | SIP |
| 資料番号 | SIP2022-75 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.165 |
| ページ範囲 | pp.129-133 |
| ページ数 | 5 |
| 発行日 | 2022-08-18 (SIP) |
[研究会発表申込システムのトップページに戻る]