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。
時間ワーピング関数は,機能的データの位相変動を測定する数学的表現を提供する。最近の研究では,関数間の最適ワーピングを推定し,非ユークリダンモデルを提供する様々なアプローチを開発した。しかし,時間ワーピング関数に関する原理的,線形,生成的モデルは,まだ調査されていない。これは,ワーピング関数の空間が従来のユークリッドメトリックと非線形であるため,非常に挑戦的な問題である。この問題に取り組むために,時間ワーピング関数のための確率的プロセスモデルを提案し,そこで,鍵は時間ワーピング空間上の線形,内積構造を定義し,次に,ワーピング関数をL ̄2ユークリッド空間のサブ空間に変換することである。ワーピング関数に対するある制約により,この変換は等長同形写像である。変換空間において,表現のためにHilbert空間におけるL ̄2基底を採用した。この新しいフレームワークは,異なる型の確率的プロセスを用いて,時間ワーピングに関する生成モデルを容易に構築できる。また,機能的PCA,機能的ANOVA,および機能的回帰のような統計的推論を行うのにも使用できる。さらに,Bayesレジストレーションにおける新しい事前としてそれを用いることにより,この新しいフレームワークの有効性を実証し,重要な最大事後推定に対処する効率的な勾配法を提案した。時間領域における不均一および相関制約を適切に特性化するシミュレーションを用いて新しいBayes法を説明した。最後に,有名なBerkeley成長データに新しいフレームワークを適用し,モデリング,再サンプリング,グループ比較,および分類解析に関する妥当な結果を得る。【JST・京大機械翻訳】