講演抄録/キーワード |
講演名 |
2014-03-17 15:00
教師あり学習を用いたGTMによるデータの可視化 ○山口暢彦(佐賀大) NC2013-97 |
抄録 |
(和) |
本論文では,観測データの分布を潜在変数の非線形写像を用いて表現することによりデータの可視化を行うGTM(Generative Topographic Mapping)に注目し,特に教師あり学習を用いたGTMの構築法について提案を行う.従来の教師あり学習を用いたGTMの学習法は,教師信号として離散的なクラスラベルを仮定する分類データを想定しており,教師信号として連続的な出力ラベルを仮定する回帰データには直接適用することができない.そこで本論文では,教師信号として連続的な出力ラベルを仮定する回帰データをそのままモデル化することが可能なGTMの提案を行う.また,一部の出力ラベルが欠損している場合を考慮し,ラベルありデータとラベルなしデータの両方を用いて半教師あり学習を行うGTMについても併せて提案を行う. |
(英) |
Generative Topographic Mapping (GTM) is a nonlinear latent variable model introduced by Bishop et al. as a data visualization technique. In this paper, we propose a supervised GTM model and a semi-supervised GTM model. The conventional supervised GTM uses discrete class labels in classification problems, and therefore cannot directly handle continuous output labels in regression problems. To overcome the problem, we propose a supervised GTM model which can naturally handle regression problems. In order to handle missing labels, we also propose a semi-supervised GTM model that uses both labeled and unlabeled data. |
キーワード |
(和) |
GTM / データの可視化 / 教師あり学習 / 半教師あり学習 / / / / |
(英) |
generative topographic mapping / visualization / supervised learning / semi-supervised learning / / / / |
文献情報 |
信学技報, vol. 113, no. 500, NC2013-97, pp. 53-58, 2014年3月. |
資料番号 |
NC2013-97 |
発行日 |
2014-03-10 (NC) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2013-97 |