抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究の目的は,自己組織化マップ(Self-Oraganizing Map:SOM)や生成位相マップ(Generative Topographic Mapping:GTM)などの位相写像学習に共通する標準的学習理論を確立することである。この標準理論は以下の4つの要請に応えることが期待される。(1)確率的生成モデルに基づき,パラメータ推定も含めたアルゴリズム導出ができること。(2)空間の位相に関する事前知識以外の仮定は極力排除できるものであること,たとえば写像の平坦さを仮定した正則化項などを持ち込まずにすむこと。(3)さまざまな応用課題や状況に応じて統一的な手続きでアルゴリズム導出ができること。(4)既存の位相写像学習のアルゴリズムを理解する枠組みを提供すること。キーアイデアは,空間の位相に関する事前知識を確率の形で生成モデルに埋め込むことである。キーアイデアに基づく確率生成モデルに変分ベイズ法を適用し,アルゴリズムを導出した。(著者抄録)