| 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 [ログイン] 技報アーカイブ |
| 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 | 2018-11-05 15:10 ［ポスター講演］k-近傍交叉カーネルを用いたNadaraya-Watson回帰の高速近似計算法 ○伊東利雄・濱田直希・大堀耕太郎・樋口博之（富士通研）  IBISML2018-46 |
|
| 抄録 | （和） | 入出力をもつシステムにおいて，入出力の関係性を大量のデータから明らかにする方法としてノンパラメトリック回帰が知られている．特に，ガウスカーネルを用いたNadaraya-Watosonモデルにおいては，推定精度を高めるため，サンプルセットの各サンプル点の近傍を用いてカーネル関数の形状を決定する，$k$-近傍交叉カーネル回帰法が有効である．しかし推定計算を行う際に，すべてのサンプル点から作られたカーネル関数を使用するため，計算時間が長くなるという問題がある．そこで本報告では，推定計算の高速化を行うため，すべてのサンプル点から作られたカーネル関数を使用するのではなく，推定を行いたい点の近傍内にあるサンプル点から作られたカーネル関数のみを使用した近似計算による推定方法を提案する．本方法により，近似計算を行なわない従来の推定方法に対し，推定精度を落とすことなく高速に計算することが可能となり，計算時間が短縮されることを示す． |
| （英） | For a system with inputs and outputs, a nonparametric regression has been proposed to clarify the relationship between inputs and outputs from a large amount of data. To improve estimation accuracy for the Nadaraya-Watson regression which is one of the nonparametric regressions, the regression with $k$-nearest neighbor crossover kernel, in which the kernel function by using neighborhood for each sample point in a sample set is made, is an effective method. However, there is a problem that the calculation time for estimation of this regression is very long, because it is needed to use all kernel functions made for all sample points. In this paper, we propose an estimation method with a fast approximation by using a few selected kernel functions instead of all kernel functions. These kernel functions are those made for only sample points included in neighborhood with the point that we want to estimate for. By this estimation method with a fast approximation, we show that the calculation time for estimation is short, and the estimation accuracy for the proposed method does not degrade, compared to that for a conventional estimation method without approximation. | |
| キーワード | （和） | 交叉カーネル / Nadaraya-Watson回帰 / 近傍 / 近似計算 / / / / |
| （英） | crossover kernel / Nadaraya-Watson regression / neighborhood / approximate calculation / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 284, IBISML2018-46, pp. 17-21, 2018年11月. | |
| 資料番号 | IBISML2018-46 | |
| 発行日 | 2018-10-29 (IBISML) | |
| ISSN | 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 | IBISML2018-46 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2018-11-05 - 2018-11-07 |
| 開催地（和） | 北海道民活動センター（かでる2.7） |
| 開催地（英） | Hokkaido Citizens Activites Center (Kaderu 2.7) |
| テーマ（和） | 情報論的学習理論ワークショップ (IBIS2018) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2018) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2018-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | k-近傍交叉カーネルを用いたNadaraya-Watson回帰の高速近似計算法 |
| サブタイトル（和） | |
| タイトル（英） | A Fast Approximation of the Nadaraya-Watson Regression with the k-Nearest Neighbor Crossover Kernel |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 交叉カーネル / crossover kernel |
| キーワード(2)（和/英） | Nadaraya-Watson回帰 / Nadaraya-Watson regression |
| キーワード(3)（和/英） | 近傍 / neighborhood |
| キーワード(4)（和/英） | 近似計算 / approximate calculation |
| 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） | 伊東 利雄 / Toshio Ito / イトウ トシオ |
| 第1著者 所属（和/英） | 株式会社富士通研究所 (略称： 富士通研) FUJITSU LABORATORIES LTD. (略称： FUJITSU LAB) |
| 第2著者 氏名（和/英/ヨミ） | 濱田 直希 / Naoki Hamada / ハマダ ナオキ |
| 第2著者 所属（和/英） | 株式会社富士通研究所 (略称： 富士通研) FUJITSU LABORATORIES LTD. (略称： FUJITSU LAB) |
| 第3著者 氏名（和/英/ヨミ） | 大堀 耕太郎 / Kotaro Ohori / オオホリ コウタロウ |
| 第3著者 所属（和/英） | 株式会社富士通研究所 (略称： 富士通研) FUJITSU LABORATORIES LTD. (略称： FUJITSU LAB) |
| 第4著者 氏名（和/英/ヨミ） | 樋口 博之 / Hiroyuki Higuchi / ヒグチ ヒロユキ |
| 第4著者 所属（和/英） | 株式会社富士通研究所 (略称： 富士通研) FUJITSU LABORATORIES LTD. (略称： FUJITSU LAB) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2018-11-05 15:10:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2018-46 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.284 |
| ページ範囲 | pp.17-21 |
| ページ数 | 5 |
| 発行日 | 2018-10-29 (IBISML) |
[研究会発表申込システムのトップページに戻る]