| 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 | 2020-06-29 13:50 自己符号化器とスパースPCAの性能比較 ○石川眞澄（九工大）  NC2020-4 IBISML2020-4 |
|
| 抄録 | （和） | 主成分分析（PCA）はデータの特性を求めるのに有効な手法であるが，各主成分に殆どすべての変数が含まれるため，主成分の特徴を明確にすることが困難である．主成分に含まれる変数の数を減らすためL1ノルムを用いるスパースPCAが提案されている．その主たる関心はL1ノルムが２次計画法に帰着されるので，その計算量を減らすことにある．他方，ニューラルネットワークでは情報圧縮のため自己符号化器が用いられる．ここでもスパース自己符号化器が提案され，Lノルム以外にも様々な正則化項が提案されているが，PCAという視点はない．ここでは自己符号化器にPCAの視点を取り入れ，より高い説明力（累積寄与率）と関連変数の少なさという観点から自己符号化器を捉え直し，よりスパースで説明力の高い自己符号化器を学習により求めるとともに，L1ノルムを利用するスパースPCAに対する優位性を示す． |
| （英） | Principal component analysis (PCA) is an effective tool for clarifying data structure. Each principal component includes almost all variables, which hinders understanding of features of principal components. To decrease the number of variables in principal components, extensive research on sparse PCA using L1-norm has been carried out. Since optimization with L1-norm is reduced to quadratic programming, the reduction of computational cost is a major concern. In the field of neural networks, autoencoders are used for information compression. Sparse autoencoders are also studied with L1-norm and other regularization terms. The author proposes to introduce the concept of PCA into autoencoders. In other words, the paper pursues autoencoders with larger explanation capability (i.e., larger cumulated contribution rate) and fewer variables in principal components. The paper successfully develops superior autoencoders compared with sparse PCA based on L1-norm. | |
| キーワード | （和） | 自己符号化器 / スパースPCA / スパース自己符号化器 / L1ノルム / 寄与率 / / / |
| （英） | Autoencoder / Sparse PCA / Sparse autoencoder / L1-norm / contribution rate / / / | |
| 文献情報 | 信学技報, vol. 120, no. 79, NC2020-4, pp. 21-26, 2020年6月. | |
| 資料番号 | NC2020-4 | |
| 発行日 | 2020-06-22 (NC, 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 | NC2020-4 IBISML2020-4 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2020-06-29 - 2020-06-29 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2020-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | 自己符号化器とスパースPCAの性能比較 |
| サブタイトル（和） | |
| タイトル（英） | Performance comparison of autoencoders and sparse PCAs |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 自己符号化器 / Autoencoder |
| キーワード(2)（和/英） | スパースPCA / Sparse PCA |
| キーワード(3)（和/英） | スパース自己符号化器 / Sparse autoencoder |
| キーワード(4)（和/英） | L1ノルム / L1-norm |
| キーワード(5)（和/英） | 寄与率 / contribution rate |
| 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） | 石川 眞澄 / Masumi Ishikawa / イシカワ マスミ |
| 第1著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： Kyutech) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-06-29 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2020-4, IBISML2020-4 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.79(NC), no.80(IBISML) |
| ページ範囲 | pp.21-26 |
| ページ数 | 6 |
| 発行日 | 2020-06-22 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]