文献

J-GLOBAL ID：201302289828486327   整理番号：13A1527370

テンソルベースの機械学習:モデリング,アルゴリズム,そしてアプリケーション

Tensor-Based Machine Learning: Modeling, Algorithms and Applications

著者 (2件)： ZHAO Qibin (RIKEN, Saitama) ,  CICHOCKI Andrzej (RIKEN, Saitama)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 113  号： 191(SIP2013 66-84)  ページ： 35-40  発行年： 2013年08月22日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： テンソルは,多次元構造化データを自然に表現できる,より高次元なベクトルと行列を一般化したものである。多線形代数をベースとして,テンソル因数分解は,データの性質上先験的情報としていつも利用可能な,データの秘匿構造を効率的にキャプチャーする事を可能とする。それ故に,監視無し学習とデータ調査に非常な関心を引き付ける。本論文では,最初にテンソル因数分解と多線形代数の基本概念を述べ,その後データ入力のテンソル表現を定義した共分散機能を利用した,テンソル変量ガウシアンプロセス(GP)回帰の新フレームワークを紹介する。この方法では,Bayesian推定と高次元テンソル解析技術によって一つのフレームワークをサポートした強力GP法を一つにまとめる。これは,モデル内にあるデータ構造を説明する事を可能とする。そして,3Dビデオシーケンスのような構造化データ解析のための強力なフレームワークを提供する。合成データとビデオの聴衆サイズを推定する実社会アプリケーションの両者のシミュレーション結果は,典型的なセグメンテーションと特性抽出の必要無しで,提案アプローチの有効性を確認した。(翻訳著者抄録)

シソーラス用語： *テンソル ,  *機械学習 ,  *モデリング ,  *アルゴリズム ,  *応用プログラム ,  線形代数 ,  データ ,  因数分解 ,  Gauss過程 ,  共分散 ,  パターン認識 ,  Bayes推定 ,  構成
準シソーラス用語： Kernel法 ,  テンソル因数分解 ,  フレームワーク ,  構造化データ ,  多線形代数

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： テンソル ,  機械学習 ,  モデリング ,  アルゴリズム ,  アプリケーション