講演名 | 2021-06-28 Nonparametric Bayesian Deep Visualization 石塚 治也(ブリヂストン), 持橋 大地(統計数理研), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 高次元データを散布図で可視化する場合,次元削減により観測値を圧縮する必要がある.t-SNEに代表される,観測値間の類似度を元に次元削減を行う類似度ベース次元削減は,可視化の際に広く用いられている.しかし,観測値のベクトル表現によっては,観測値間の類似度と真の類似度が乖離するため,可視化精度が低下する.これに対して,ニューラルネットワーク(NN)を用いる深層潜在変数モデルは,観測値ベクトルよりも正確に特徴を反映する潜在表現を推定ができる可能性があり,ベクトル表現が原因で前者が機能しないときの有効な代替案になる.一方で性能の最適化には,NNのモデル構造など多くの超パラメータを調整する必要があり,その試行の中で,NNの大量のパラメータの学習を繰り返すため,計算時間が増大しやすい.また,可視化結果は設定された超パラメータの探索範囲によって変化する.本稿では,これらの問題点に対処するため,Nonparametric Bayesian Deep Visualization (NPDV) を提案する.NPDVは,NNによる潜在表現の推定と可視化を同時に行う確率モデルであり,無限混合ガウスモデル,無限ユニットNNを併用することで,少数の超パラメータでモデルが構成される.さらに,無限ユニットNNは少数のパラメータで定義されるため,パラメータ数も既存の深層潜在変数モデルと比較して少ない.本稿では提案手法の詳細と,実験結果について報告する. |
抄録(英) | |
キーワード(和) | データ可視化 / ガウス過程 / ノンパラメトリックベイズモデル / 深層学習 |
キーワード(英) | Data Visualization / Gaussian Processes / Nonparametric Bayesian / Deep Learning |
資料番号 | NC2021-1,IBISML2021-1 |
発行日 | 2021-06-21 (NC, IBISML) |
研究会情報 | |
研究会 | NC / IBISML / IPSJ-BIO / IPSJ-MPS |
---|---|
開催期間 | 2021/6/28(から3日開催) |
開催地(和) | オンライン開催 |
開催地(英) | Online |
テーマ(和) | 機械学習によるバイオデータマイニング、一般 |
テーマ(英) | |
委員長氏名(和) | 大須 理英子(早大) / 竹内 一郎(名工大) / 倉田 博之(九工大) / 関嶋 政和(東工大) |
委員長氏名(英) | Rieko Osu(Waseda Univ.) / Ichiro Takeuchi(Nagoya Inst. of Tech.) / 倉田 博之(九工大) / 関嶋 政和(東工大) |
副委員長氏名(和) | 山川 宏(東大) / 杉山 将(東大) |
副委員長氏名(英) | Hiroshi Yamakawa(Univ of Tokyo) / Masashi Sugiyama(Univ. of Tokyo) |
幹事氏名(和) | 内部 英治(ATR) / 西田 知史(NICT) / 津田 宏治(東大) / 神嶌 敏弘(産総研) / 伊藤 公人(北大) / 田口 善弘(中央大) / 吉本 潤一郎(奈良先端大) / 大上 雅史(東工大) / 笹山 琴由(三菱電機) / 花田 良子(関西大) / 林 亮子(金沢工大) / 吉本 潤一郎(奈良先端大) / 渡邉 真也(室蘭工大) |
幹事氏名(英) | Eiji Uchibe(ATR) / Satoshi Nishida(NICT) / Koji Tsuda(Univ. of Tokyo) / Toshihiro Kamishima(AIST) / 伊藤 公人(北大) / 田口 善弘(中央大) / 吉本 潤一郎(奈良先端大) / 大上 雅史(東工大) / 笹山 琴由(三菱電機) / 花田 良子(関西大) / 林 亮子(金沢工大) / 吉本 潤一郎(奈良先端大) / 渡邉 真也(室蘭工大) |
幹事補佐氏名(和) | 我妻 伸彦(東邦大) / 栗川 知己(関西医科大) / 岩田 具治(NTT) / 中村 篤祥(北大) |
幹事補佐氏名(英) | Nobuhiko Wagatsuma(Toho Univ.) / Tomoki Kurikawa(KMU) / Tomoharu Iwata(NTT) / Atsuyoshi Nakamura(Hokkaido Univ.) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / Special Interest Group on Bioinformatics and Genomics / Special Interest Group on Mathematical Modeling and Problem Solving |
---|---|
本文の言語 | JPN |
タイトル(和) | Nonparametric Bayesian Deep Visualization |
サブタイトル(和) | |
タイトル(英) | Nonparametric Bayesian Deep Visualization |
サブタイトル(和) | |
キーワード(1)(和/英) | データ可視化 / Data Visualization |
キーワード(2)(和/英) | ガウス過程 / Gaussian Processes |
キーワード(3)(和/英) | ノンパラメトリックベイズモデル / Nonparametric Bayesian |
キーワード(4)(和/英) | 深層学習 / Deep Learning |
第 1 著者 氏名(和/英) | 石塚 治也 / Haruya Ishizuka |
第 1 著者 所属(和/英) | 株式会社ブリヂストン(略称:ブリヂストン) Bridgestone Corporation(略称:Bridgestone Corp.) |
第 2 著者 氏名(和/英) | 持橋 大地 / Daichi Mochihashi |
第 2 著者 所属(和/英) | 統計数理研究所(略称:統計数理研) The Institute of Statistical Mathmatics(略称:ISM) |
発表年月日 | 2021-06-28 |
資料番号 | NC2021-1,IBISML2021-1 |
巻番号(vol) | vol.121 |
号番号(no) | NC-79,IBISML-80 |
ページ範囲 | pp.1-8(NC), pp.1-8(IBISML), |
ページ数 | 8 |
発行日 | 2021-06-21 (NC, IBISML) |