講演名 | 2020-01-09 情報幾何に基づくガウス過程事後分布集合の次元削減法 石橋 英朗(九工大), 赤穂 昭太郎(産総研/理研), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 本研究ではガウス過程事後分布の集合を次元削減するための主成分分析を提案する.これにより関数の集合を説明するパラメータ空間を推定できるようになるため,マルチタスク学習や関数データ解析へ応用できる.この目的のために本研究ではガウス過程事後分布の集合の構造を情報幾何の観点で定義し,有限次元の双対平坦な空間になることを示した.さらにアルゴリズムの高速化を行い,人工データを用いて提案手法の有効性を示した. |
抄録(英) | This paper proposes an extension of principal component analysis for gaussian process posteriors which is denoted by GP-PCA. GP-PCA can be applied to multi-task learning, meta-learning and transfer learning. The issue is how to define an structure of a set of GP posteriors such as a coordinate system and a distance. In this study, we define infinite dimensional structure reduced to finite dimensional structure based on information geometry. Especially, we show that a set of GP posteriors becomes a finite dimensional dually flat. Moreover, we demonstrate the effectiveness of GP-PCA through experiments. |
キーワード(和) | 情報幾何学 / ガウス過程 / マルチタスク学習 / メタ学習 / 転移学習 |
キーワード(英) | information geometry / gaussian process / multi-task learning / meta-learning / transfer learning |
資料番号 | IBISML2019-20 |
発行日 | 2020-01-02 (IBISML) |
研究会情報 | |
研究会 | IBISML |
---|---|
開催期間 | 2020/1/9(から2日開催) |
開催地(和) | 統計数理研究所 |
開催地(英) | ISM |
テーマ(和) | 機械学習一般 |
テーマ(英) | Machine learning, etc. |
委員長氏名(和) | 鹿島 久嗣(京大) |
委員長氏名(英) | Hisashi Kashima(Kyoto Univ.) |
副委員長氏名(和) | 杉山 将(東大) / 津田 宏治(東大) |
副委員長氏名(英) | Masashi Sugiyama(Univ. of Tokyo) / Koji Tsuda(Univ. of Tokyo) |
幹事氏名(和) | 竹内 一郎(名工大) / 神嶌 敏弘(産総研) |
幹事氏名(英) | Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) |
幹事補佐氏名(和) | 岩田 具治(NTT) / 大羽 成征(京大) |
幹事補佐氏名(英) | Tomoharu Iwata(NTT) / Shigeyuki Oba(Kyoto Univ.) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Infomation-Based Induction Sciences and Machine Learning |
---|---|
本文の言語 | JPN |
タイトル(和) | 情報幾何に基づくガウス過程事後分布集合の次元削減法 |
サブタイトル(和) | |
タイトル(英) | Dimensionality reduction method for gaussian process posteriors based on information geometry |
サブタイトル(和) | |
キーワード(1)(和/英) | 情報幾何学 / information geometry |
キーワード(2)(和/英) | ガウス過程 / gaussian process |
キーワード(3)(和/英) | マルチタスク学習 / multi-task learning |
キーワード(4)(和/英) | メタ学習 / meta-learning |
キーワード(5)(和/英) | 転移学習 / transfer learning |
第 1 著者 氏名(和/英) | 石橋 英朗 / Hideaki Ishibashi |
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) | 赤穂 昭太郎 / Shotaro Akaho |
第 2 著者 所属(和/英) | 産業技術総合研究所/理化学研究所(略称:産総研/理研) National Institute of Advanced Industrial Science and Technology/RIKEN(略称:AIST/RIKEN) |
発表年月日 | 2020-01-09 |
資料番号 | IBISML2019-20 |
巻番号(vol) | vol.119 |
号番号(no) | IBISML-360 |
ページ範囲 | pp.17-24(IBISML), |
ページ数 | 8 |
発行日 | 2020-01-02 (IBISML) |