文献

J-GLOBAL ID：201602283903743071   整理番号：16A0544488

テンソル変数回帰に対するオンライン局所Gauss過程:脳信号からの足部運動の高速再構成への応用

ONLINE LOCAL GAUSSIAN PROCESS FOR TENSOR-VARIATE REGRESSION: APPLICATION TO FAST RECONSTRUCTION OF LIMB MOVEMENTS FROM BRAIN SIGNAL

著者 (3件)： HOU Ming (Laval Univ., CAN) ,  WANG Yali (Laval Univ., CAN) ,  CHAIB-DRAA Brahim (Laval Univ., CAN)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2015 Vol.8  ページ： 5490-5494  発行年： 2015年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： テンソル変数回帰は,多くの実世界回帰タスクのデータ集合に高次テンソル構造が関連するため高い関心を集めている。特に,テンソル変数Gauss過程(テンソルGP)回帰手法は,強力なBayesノンパラメトリックGPによりテンソルデータ非線形性を柔軟にモデル化できる。本論文では,テンソル変数回帰に対しオンライン局所GP(OLGP)を導入して,計算効率の良いテンソルGPのフレームワークを提案した。このOLGPは,データ点を多数の小サイズGPエキスパートに割当てることでOLGPの利点を活用し,計算量を低減する。さらに入力ベースと,入出力ベースの二種の効率的な探索方式を導入し,Gauss混合表現で高精度予測する局所GPエキスパートを見出した。この手法を,脳信号からの足部運動の再構成という実世界タスクに適用し,大規模データ集合に対する有効性とスケーラビリティを実証した。

シソーラス用語： *テンソル ,  Gauss過程 ,  *回帰分析 ,  局所性 ,  非線形性 ,  モデリング ,  Bayes推定 ,  *ノンパラメトリック法 ,  計算量 ,  方式 ,  精度 ,  脳 ,  生体信号 ,  足 ,  再構成 ,  有効性 ,  スケーラビリティ【計算機】 ,  集合 ,  オンライン処理
準シソーラス用語： *Gauss過程回帰 ,  探索法 ,  高精度 ,  データ集合

分類 (3件)： 数値計算  (JE02000J) ,  信号理論  (ND02020G) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (9件)： テンソル ,  変数 ,  オンライン ,  Gauss過程 ,  脳 ,  足部 ,  運動 ,  再構成 ,  応用