電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2017-03-01 12:40
[ポスター講演]サンプリングによるカーネル回帰のデュアルスパース化
小島惇史田中聡久東京農工大
技報オンラインサービス実施中
抄録 (和) 回帰分析やパターン認識において入力パターンに冗長な特徴が含まれている場合,予測精度が低下する可能性がある.再生核ヒルベルト空間におけるカーネル法を用いた非線形回帰モデルは,観測したパターンに対応するカーネルの線形和で表されるため,入力パターンの増加に伴いパラメータの次元が増加する.これにより,過学習が起きやすくなる.本稿では,非線形モデルに有効な特徴選択および適切なモデル選択手法を提案する.特徴選択および重みベクトルのスパース性を表現するために,すべての要素が$0$か$1$かであるバイナリベクトルをベータ過程により生成する.カーネル回帰にバイナリベクトルを導入することにより,有効な特徴を選択し,スパースな重み係数ベクトルを推定できる.そのバイナリベクトルと特徴ベクトルおよび重み係数ベクトルの要素積を新たな特徴量および重み係数として,カーネル回帰モデルを定式化する.ギブスサンプリングによりバイナリベクトルの事後分布を推定し,それに基づきバイナリベクトルを推定する.計算機実験により提案手法の有効性を示す. 
(英) When the input pattern have redundant features in regression analysis or pattern recognition, the prediction accuracy is likely to be lowered. For a kernel regression in a reproducing kernel Hilbert space, as the number of observed input signals increases, the dimension of parameters increases, since a kernel regression model using a kernel method is represented by the linear sum of kernel functions corresponding to input patterns. This can yield overfitting. In this paper, we propose a method for simultaneously selecting features and model coefficients. In order to express a sparsity of the features and the weight coefficients, we generate a binary vector where all the elements is 0 or 1 sampled from the beta process. The proposed method can select effective features and estimate sparse weight coefficients by introducing the binary vector into the kernel regression model. Numerical examples support the efficacy of our proposed method.
キーワード (和) 再生核ヒルベルト空間 / スパースカーネル回帰 / ベータ過程 / 特徴選択 / / / /  
(英) Reproducing kernel Hilbert space / Sparse kernel regression / Beta process / Feature selection / / / /  
文献情報 信学技報, vol. 116, no. 476, SIP2016-157, pp. 115-118, 2017年3月.
資料番号 SIP2016-157 
発行日 2017-02-22 (EA, SIP, SP) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 SP SIP EA  
開催期間 2017-03-01 - 2017-03-02 
開催地(和) 沖縄産業支援センター 
開催地(英) Okinawa Industry Support Center 
テーマ(和) 音声,応用/電気音響,信号処理,一般 
テーマ(英) Speech, Engineering/Electro Acoustics, Signal Processing, and Related Topics 
講演論文情報の詳細
申込み研究会 SIP 
会議コード 2017-03-SP-SIP-EA 
本文の言語 日本語 
タイトル(和) サンプリングによるカーネル回帰のデュアルスパース化 
サブタイトル(和)  
タイトル(英) Dual-Sparsification of Kernel Regression Based on Sampling 
サブタイトル(英)  
キーワード(1)(和/英) 再生核ヒルベルト空間 / Reproducing kernel Hilbert space  
キーワード(2)(和/英) スパースカーネル回帰 / Sparse kernel regression  
キーワード(3)(和/英) ベータ過程 / Beta process  
キーワード(4)(和/英) 特徴選択 / Feature selection  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 小島 惇史 / Atsushi Kojima / コジマ アツシ
第1著者 所属(和/英) 東京農工大学 (略称: 東京農工大)
Tokyo University of Agriculture and Technology (略称: TUAT)
第2著者 氏名(和/英/ヨミ) 田中 聡久 / Toshihisa Tanaka / タナカ トシヒサ
第2著者 所属(和/英) 東京農工大学 (略称: 東京農工大)
Tokyo University of Agriculture and Technology (略称: TUAT)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2017-03-01 12:40:00 
発表時間 90 
申込先研究会 SIP 
資料番号 IEICE-EA2016-102,IEICE-SIP2016-157,IEICE-SP2016-97 
巻番号(vol) IEICE-116 
号番号(no) no.475(EA), no.476(SIP), no.477(SP) 
ページ範囲 pp.115-118 
ページ数 IEICE-4 
発行日 IEICE-EA-2017-02-22,IEICE-SIP-2017-02-22,IEICE-SP-2017-02-22 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会