| 講演名 | 2016-07-05 非線形埋込み型特徴量選択のための単結合ニューラルネットワークの提案 須藤 明人(東大), 樋口 知之(統計数理研), 中野 慎也(統計数理研), 斎藤 正也(統計数理研), 矢部 貴大(東大), 関本 義秀(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 特徴量選択手法は、選択の基準によってラッパー法、フィルター法、埋込み法に分類できるが、埋込み法はいわゆるスパースモデリングへの有効性から、近年活発に研究されている。従来研究では、線形モデルとしてLassoが代表的であり、非線形モデルとしてカーネル法を用いた手法が複数提案されている。本研究では、従来手法とは異なる単結合ニューラルネットワークを用いたアプローチによる非線形な埋込み型特徴量選択法を提案する。加法モデルと非加法モデルから生成した人工データを用いた実験で、特徴量選択と関数近似の観点でLassoを上回る結果を得た。 |
| 抄録(英) | Feature selection methods can be divided into three categories; wrapper methods, filter methods, and embedded methods. Embedded methods recently attract many researchers due to the effectiveness for the sparse modeling. One of important issues in researches of the embedded methods are devising non-linear methods, and methods employing non-linear kernel has been proposed. In the present paper, we propose a non-linear embedded feature selection method employing deep neural network. In the experiment using two synthetic datasets, the proposed method outperforms Lasso in terms of both feature selection and function approximation. |
| キーワード(和) | ディープラーニング / スパースモデリング / 特徴量選択 / Lasso / 非線形 |
| キーワード(英) | Deep Learning / Sparse Modeling / Feature Selection / Lasso / Nonlinear |
| 資料番号 | IBISML2016-1 |
| 発行日 | 2016-06-28 (IBISML) |
| 研究会情報 | |
| 研究会 | NC / IPSJ-BIO / IBISML / IPSJ-MPS |
|---|---|
| 開催期間 | 2016/7/4(から3日開催) |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| テーマ（和） | 機械学習によるバイオデータマインニング、一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining, and General |
| 委員長氏名（和） | 佐藤 茂雄(東北大) / / 福水 健次(統計数理研) |
| 委員長氏名（英） | Shigeo Sato(Tohoku Univ.) / / Kenji Fukumizu(ISM) |
| 副委員長氏名（和） | 萩原 将文(慶大) / / 杉山 将(東大) / 鹿島 久嗣(京大) |
| 副委員長氏名（英） | Masafumi Hagiwara(Keio Univ.) / / Masashi Sugiyama(Univ. of Tokyo) / Hisashi Kashima(Kyoto Univ.) |
| 幹事氏名（和） | 田中 宏喜(京都産大) / 青西 亨(東工大) / / 津田 宏治(東大) / 竹内 一郎(名工大) |
| 幹事氏名（英） | Hiroki Tanaka(Kyoto Sangyo Univ.) / Toru Aonishi(Tokyo Inst. of Tech.) / / Koji Tsuda(Univ. of Tokyo) / Ichiro Takeuchi(Nagoya Inst. of Tech.) |
| 幹事補佐氏名（和） | 秋間 学尚(東北大) / 篠沢 佳久(慶大) / / 神嶌 敏弘(産総研) / 岩田 具治(NTT) |
| 幹事補佐氏名（英） | Hisanao Akima(Tohoku Univ.) / Yoshihisa Shinozawa(Keio Univ.) / / Toshihiro Kamishima(AIST) / Tomoharu Iwata(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Special Interest Group on Bioinformatics and Genomics / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / Special Interest Group on Mathematical Modeling and Problem Solving |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 非線形埋込み型特徴量選択のための単結合ニューラルネットワークの提案 |
| サブタイトル（和） | |
| タイトル（英） | Non-linear Embedded Feature Extraction Method using Comb-shaped Neural Network |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ディープラーニング / Deep Learning |
| キーワード(2)（和/英） | スパースモデリング / Sparse Modeling |
| キーワード(3)（和/英） | 特徴量選択 / Feature Selection |
| キーワード(4)（和/英） | Lasso / Lasso |
| キーワード(5)（和/英） | 非線形 / Nonlinear |
| 第 1 著者 氏名（和/英） | 須藤 明人 / Akihito Sudo |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) the University of Tokyo(略称：UT) |
| 第 2 著者 氏名（和/英） | 樋口 知之 / Tomoyuki Higuchi |
| 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 Mathematics(略称：ISM) |
| 第 3 著者 氏名（和/英） | 中野 慎也 / Shin'ya Nakano |
| 第 3 著者 所属（和/英） | 統計数理研究所(略称：統計数理研) the Institute of Statistical Mathematics(略称：ISM) |
| 第 4 著者 氏名（和/英） | 斎藤 正也 / Masaya Saito |
| 第 4 著者 所属（和/英） | 統計数理研究所(略称：統計数理研) the Institute of Statistical Mathematics(略称：ISM) |
| 第 5 著者 氏名（和/英） | 矢部 貴大 / Takahiro Yabe |
| 第 5 著者 所属（和/英） | 東京大学(略称：東大) the University of Tokyo(略称：UT) |
| 第 6 著者 氏名（和/英） | 関本 義秀 / Yoshihide Sekimoto |
| 第 6 著者 所属（和/英） | 東京大学(略称：東大) the University of Tokyo(略称：UT) |
| 発表年月日 | 2016-07-05 |
| 資料番号 | IBISML2016-1 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | IBISML-121 |
| ページ範囲 | pp.127-131(IBISML), |
| ページ数 | 5 |
| 発行日 | 2016-06-28 (IBISML) |