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 2014-11-18 15:00
[ポスター講演]低ランク双線形モデルによる活動イベント発生密度推定
前田啓輔下坂正倫東大)・坪内孝太Yahoo!JAPAN
抄録 (和) センサ反応の回数や交通量など,人間の活動イベントの発生密度を推定することできれば,省エネルギー化や健康指標の推定,渋滞の推定などに利用できる.これまでの活動イベント発生密度推定の分野では活動イベントの周期性と多タスク学習の必要性に着目した生成的な混合モデルが主な研究対象であった.しかし,混合モデルを用いた活動イベント発生密度推定には,対象データの一部を観測することが必要であった.
これに対し本論文では,対象データの観察を行わずに外的要因のみから推定する,識別的な枠組みを導入する.周期性を考慮するために,時間情報とそれ以外の情報の共起を入力とする一般化双線形モデルを提案し,また,多タスク学習の特性を取り入れるため内部パラメータ行列の行列分解を用いる.
提案する低ランク双線形モデルの性能を評価するため家庭に設置されたセンサデータを用いて評価実験を行い,曜日や天気といった外的な要因に左右される活動イベント発生密度推定において,既存のモデルよりも精度よく推定が可能であることを示した 
(英) Human's activity intensity estimation leads to many applications, for example HEMS energy saving,
health index monitoring and traffic jam estimation. In this field, generative mixture models have been a popular solution, which is suitable for multi task learning and modeling the periodicity. However, the estimation by mixture models need a partial data of observation.
In this paper, we introduce a discriminative framework for estimation based on external factor. This model is based on two ideas, bilinear regression and matrix factorization, related to periodicity and multi task learning respectively. The experimental result with long-term real sensor data shows t
hat the proposed model outperform the other models.
キーワード (和) 双線形モデル / 行列分解 / センサデータ / 多タスク学習 / / / /  
(英) Bilinear Model / Matrix Factorization / Multi Task Learning / / / / /  
文献情報 信学技報, vol. 114, no. 306, IBISML2014-84, pp. 365-371, 2014年11月.
資料番号 IBISML2014-84 
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) 低ランク双線形モデルによる活動イベント発生密度推定 
サブタイトル(和)  
タイトル(英) Time-varying activity intensity estimation with low-rank bilinear model 
サブタイトル(英)  
キーワード(1)(和/英) 双線形モデル / Bilinear Model  
キーワード(2)(和/英) 行列分解 / Matrix Factorization  
キーワード(3)(和/英) センサデータ / Multi Task Learning  
キーワード(4)(和/英) 多タスク学習 /  
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) 前田 啓輔 / Keisuke Maeda / マエダ ケイスケ
第1著者 所属(和/英) 東京大学 (略称: 東大)
University of Tokyo (略称: UTokyo)
第2著者 氏名(和/英/ヨミ) 下坂 正倫 / Masamichi Shimosaka / シモサカ マサミチ
第2著者 所属(和/英) 東京大学 (略称: 東大)
University of Tokyo (略称: UTokyo)
第3著者 氏名(和/英/ヨミ) 坪内 孝太 / Kota Tsubouchi /
第3著者 所属(和/英) ヤフー株式会社 (略称: Yahoo!JAPAN)
Yahoo!JAPAN (略称: Yahoo!JAPAN)
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 2014-11-18 15:00:00 
発表時間 180 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2014-84 
巻番号(vol) IEICE-114 
号番号(no) no.306 
ページ範囲 pp.365-371 
ページ数 IEICE-7 
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