文献

J-GLOBAL ID：201902282942819322   整理番号：19A0189016

階層的Dirichletプロセスを用いたGP-HSMを用いた時系列データのセグメンテーションによるシーケンスパターン抽出【JST・京大機械翻訳】

Sequence Pattern Extraction by Segmenting Time Series Data Using GP-HSMM with Hierarchical Dirichlet Process

著者 (6件)： Nagano Masatoshi (Department of Mechanical Engineering and Intelligent Systems, The University of Electro-Communications, Chofu-shi, Japan) ,  Nakamura Tomoaki (Department of Mechanical Engineering and Intelligent Systems, The University of Electro-Communications, Chofu-shi, Japan) ,  Nagai Takayuki (Department of Mechanical Engineering and Intelligent Systems, The University of Electro-Communications, Chofu-shi, Japan) ,  Mochihashi Daichi (Department of Mathematical Analysis and Statistical Inference, Institute of Statistical Mathematics, Tachikawa, Japan) ,  Kobayashi Ichiro (Department of Information Sciences, Faculty of Sciences, Ochanomizu University, Bunkyo-ku, Japan) ,  Kaneko Masahide (Department of Mechanical Engineering and Intelligent Systems, The University of Electro-Communications, Chofu-shi, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IROS  ページ： 4067-4074  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人間は,単語や単位運動のような重要なセグメントに分割することにより,知覚された連続情報を認識する。このような教師なしセグメンテーションは,ロボットが言語や運動のような話題を学習する必要があることも重要な能力であると信じる。そこで本論文では,連続時系列データを教師なしに分割する方法を提案する。この目的のために,Gauss過程(GP-HSMM)を用いた隠れ半Markovモデルに基づく方法を提案した。非パラメトリックモデルであるGauss過程を用いると,複雑な連続運動からユニット運動パターンを抽出できる。しかしながら,この手法は,時系列データにおけるセグメントのクラス数を前もって必要とする。この問題を克服するために,本論文では,階層的Dirichletプロセス(HDP)を導入することにより,GP-HSMMを非パラメトリックBayesモデルに拡張し,階層Dirichletプロセス-Gaussプロセス-隠れ半Markovモデル(HDP-GP-HSMM)を提案した。非パラメトリックBayesモデルにおいて,無限数のクラスが仮定され,パラメータの推定が困難になる。代わりに,提案したHDP-GP-HSMMのパラメータを,スライスサンプリングを適用することによって推定した。実験では,提案したモデルがより正確なクラス数を推定し,ベースライン法よりもより正確なセグメンテーションを達成できることを示すために,種々の合成およびモーションキャプチャデータを用いた。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パラメータ推定 ,  単語 ,  言語 ,  ロボット ,  Gauss過程 ,  モーションキャプチャ ,  基準線 ,  *セグメンテーション
準シソーラス用語： Bayes法 ,  運動パターン ,  パラメトリックモデル ,  Markovモデル ,  *パターン抽出 ,  *時系列データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： プロセス ,  GP ,  時系列データ ,  セグメンテーション ,  シーケンス ,  パターン抽出