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/通ソ)
 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 2014-11-17 17:00
[ポスター講演]Unweighted graphに対する機械学習の限界と可能性 ~ Random geometric graphの観点から ~
寺田吉壱NICT)・Ulrike von LuxburgUniv. of Hamburg
技報オンラインサービス実施中
抄録 (和) Ordinal embeddingとは,対象間の非類似度の順序情報($distance(i,j) < distance(k,l)$)のみが与えられた際に,与えられた情報を可能な限り再現するように対象を$p$次元のEuclid空間に埋め込む問題である.Facebookのfriend networkのような非重み付きグラフ (unweighted graph) が潜在的に幾何的な構造をもっていると考えれば,ordinal embeddingにより頂点をグラフの構造を保持して$p$次元空間に埋め込むことができる.本発表では,この問題に対して,tuning parameterを必要としない新たな方法を提案する.次に,非重み付きグラフが潜在的なEuclid座標の近接情報によって構成されているとした際に,局所的な順序情報である$(0,1)$-値近接行列のみから背後の座標を再現できるかという挑戦的な問題を考える.この問題に対して肯定的な解を与える事ができれば,非重み付きグラフが従来の多変量データに対する機械学習に必要な情報を保持していると考えられる.そこで,random geometric graphの観点からこの問題に対して解を与える事で,非重み付きグラフに対する機械学習の限界と可能性を示す. 
(英) We study the problem of ordinal embedding: given a set of ordinal constraints of the form $distance(i, j) < distance(k, l)$ for some quadruples $(i, j, k, l)$ of indices, the goal is to construct a point configuration $hat{bm{x}}_1,dots,hat{bm{x}}_n$ in $mathbb{R}^p$ that preserves these constraints as well as possible. Our first contribution is to suggest a simple new algorithm for this problem, Soft Ordinal Embedding (SOE). SOE does not have any parameters that need to be tuned. As our second contribution we prove that in the large sample limit it is enough to know ``local ordinal information" in order to perfectly reconstruct a given point configuration. This result shows the possibilities and limitations of machine learning on unweighted graphs from the viewpoint of random geometric graph theory.
キーワード (和) Ordinal embedding / Graph embedding / 一致性 / / / / /  
(英) Ordinal embedding / Graph embedding / Consistency / / / / /  
文献情報 信学技報, vol. 114, no. 306, IBISML2014-42, pp. 57-64, 2014年11月.
資料番号 IBISML2014-42 
発行日 2014-11-10 (IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 IBISML  
開催期間 2014-11-17 - 2014-11-19 
開催地(和) 名古屋大学 
開催地(英) Nagoya Univ. 
テーマ(和) 情報論的学習理論ワークショップ(IBIS2014) 
テーマ(英)  
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2014-11-IBISML 
本文の言語 日本語 
タイトル(和) Unweighted graphに対する機械学習の限界と可能性 
サブタイトル(和) Random geometric graphの観点から 
タイトル(英) Possibilities and limitations of machine learning on unweighted graphs 
サブタイトル(英) From the viewpoint of random geometric graph theory 
キーワード(1)(和/英) Ordinal embedding / Ordinal embedding  
キーワード(2)(和/英) Graph embedding / Graph embedding  
キーワード(3)(和/英) 一致性 / Consistency  
キーワード(4)(和/英) /  
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) 寺田 吉壱 / Yoshikazu Terada /
第1著者 所属(和/英) 独立行政法人 情報通信研究機構 (略称: NICT)
National Institute of Information and Communications Technology (略称: NICT)
第2著者 氏名(和/英/ヨミ) Ulrike von Luxburg / Ulrike von Luxburg /
第2著者 所属(和/英) University of Hamburg (略称: Univ. of Hamburg)
University of Hamburg (略称: Univ. of Hamburg)
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: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2014-11-17 17:00:00 
発表時間 180 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2014-42 
巻番号(vol) IEICE-114 
号番号(no) no.306 
ページ範囲 pp.57-64 
ページ数 IEICE-8 
発行日 IEICE-IBISML-2014-11-10 


[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