講演抄録/キーワード |
講演名 |
2015-01-29 16:00
[招待講演]データに潜む本質を捉えるための機械学習技術 ○澤田 宏(NTT) ICD2014-113 エレソ技報アーカイブへのリンク:ICD2014-113 |
抄録 |
(和) |
情報通信技術の発展により大量のデータを収集・蓄積することが可能になっている.膨大で多様なデータを人間や計算機が活用するために,検索,可視化,分析など様々な技術が磨かれてきた.本講演では,データ分析技術の一手法として,非負値行列因子分解(NMF: Non-negative Matrix Factorization)とその発展形を紹介し,様々な種類のデータに対する適用例を示す.NMFは,行列形式で与えられたデータを,そのデータに潜む本質的な構造を捉えながら分解する機械学習技術として,幅広く用いられている.2軸の行列形式だけでなく3軸のテンソルやそれ以上の軸を持つデータへの適用を考えると,データのスパース性の問題が顕著になるが,その問題に対する我々のアプローチについても紹介する. |
(英) |
Recent development of information and communications technologies enable us to collect and store massive amount of data. In order to practically use such huge amount of various data, many technologies, such as search, visualization, and analysis, have been developed and polished. In this talk, we present Non-negative Matrix Factorization (NMF) and its related methods with several application examples to various kinds of data. NMF is a popular machine learning technique that decomposes matrix-formed data by capturing the essence of data. We also present our approach to the problem of data sparseness, which emerges more problematically in the analysis of tensor with three-dimension or higher dimensions than two-dimensional matrix. |
キーワード |
(和) |
データ分析 / 機械学習 / 行列 / テンソル / 非負値行列因子分解 / スパース性 / / |
(英) |
Data analysis / Machine learning / Matrix / Tensor / Non-negative Matrix Factorization (NMF) / Sparseness / / |
文献情報 |
信学技報, vol. 114, no. 436, ICD2014-113, pp. 19-19, 2015年1月. |
資料番号 |
ICD2014-113 |
発行日 |
2015-01-22 (ICD) |
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 |
ICD2014-113 エレソ技報アーカイブへのリンク:ICD2014-113 |