| 講演名 | 2017-03-01 ［招待講演］多カーネル適応フィルタ：信号処理と機械学習 湯川 正裕(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 時系列データ予測や多重スケールデータ解析などへの応用が期待される多カーネル適応フィルタを解説し、最近の研究成果を紹介する。ガウス過程やサポートベクトル回帰をオンライン処理に拡張したカーネル適応フィルタは、性能が再生核の選択に強く依存する。カーネル法と切り離せないこの課題を解決すべく提案されたのが、多カーネル適応フィルタである。再生核ヒルベルト空間の計量を用いることで直交射影型カーネル適応アルゴリズムの収束速度が向上するという経験則を裏付ける結果を紹介し、部分空間における最良近似と最小平均２乗誤差解が一致するための条件を示す。再生核ヒルベルト空間の積空間を利用した多カーネル適応フィルタを紹介するとともに、移動体通信システムへの応用や多カーネル学習法との比較、２種類の多重スケール性にも触れる。 |
| 抄録(英) | We present the multikernel adaptive filtering and introduce its recent advances. Multikernel adaptive filtering is a recently proposed learning paradigm for nonlinear estimation tasks, and its potential applications include time-series data prediction and multi-scale data analysis, among many others. Kernel adaptive filter is an online extension of the popular Gaussian process or support vector regression, and its performance depends significantly on the selected kernel. Multikernel adaptive filtering has been proposed to circumvent this notoriously difficult kernel-dependency problem which is a common issue for most (if not all) kernel methods. Kernel adaptive filtering algorithm can be constructed based on the convex projection in one of the following spaces: the parameter space or the reproducing kernel Hilbert space (RKHS). While it was shown experimentally that the use of the latter space leads to faster convergence, its theoretical reason becomes clear only recently. The multikernel adaptive filtering algorithm based on the convex projection in the product space of RKHSs gives improved convergence behaviors compared to the original algorithms, which are based on the Euclidean-space projection. We also touch upon two types of multi scale, an application to communication systems, and comparisons with multiple kernel learning, which has been studied in machine learning community. |
| キーワード(和) | 非線形適応フィルタ / 時系列データ予測 / 再生核ヒルベルト空間 / 凸射影 |
| キーワード(英) | nonlinear adaptive filter / time-series data prediction / reproducing kernel Hilbert space / convex projection |
| 資料番号 | EA2016-113,SIP2016-168,SP2016-108 |
| 発行日 | 2017-02-22 (EA, SIP, SP) |
| 研究会情報 | |
| 研究会 | SP / SIP / EA |
|---|---|
| 開催期間 | 2017/3/1(から2日開催) |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| テーマ（和） | 音声，応用／電気音響，信号処理，一般 |
| テーマ（英） | Speech, Engineering/Electro Acoustics, Signal Processing, and Related Topics |
| 委員長氏名（和） | 間野 一則(芝浦工大) / 中静 真(千葉工大) / 水町 光徳(九工大) |
| 委員長氏名（英） | Kazunori Mano(Shibaura Inst. of Tech.) / Makoto Nakashizuka(Chiba Inst. of Tech.) / Mitsunori Mizumachi(Kyushu Inst. of Tech.) |
| 副委員長氏名（和） | 森 大毅(宇都宮大) / 奥田 正浩(北九州市大) / 村松 正吾(新潟大) / 羽田 陽一(電通大) / 島内 末廣(NTT) |
| 副委員長氏名（英） | Hiroki Mori(Utsunomiya Univ.) / Masahiro Okuda(Univ. of Kitakyushu) / Shogo Muramatsu(Niigata Univ.) / Yoichi Haneda(Univ. of Electro-Comm.) / Suehiro Shimauchi(NTT) |
| 幹事氏名（和） | 滝口 哲也(神戸大) / 西田 昌史(静岡大) / 平林 晃(立命館大) / 宮田 高道(千葉工大) / 堀内 俊治(KDDI研) / 渡邉 貫治(秋田県立大) |
| 幹事氏名（英） | Tetsuya Takiguchi(Kobe Univ.) / Masafumi Nishida(Shizuoka Univ.) / Akira Hirabayashi(Ritsumeikan Univ.) / Takamichi Miyata(Chiba Inst. of Tech.) / Toshiharu Horiuchi(KDDI R&D Labs.) / Kanji Watanabe(Akita Pref. Univ.) |
| 幹事補佐氏名（和） | 浅見 太一(NTT) / 橋本 佳(名工大) / 渡邊 修(拓殖大) / 武岡 成人(静岡理工科大) / TREVINO Jorge(東北大) |
| 幹事補佐氏名（英） | Taichi Asami(NTT) / Kei Hashimoto(Nagoya Inst. of Tech.) / Osamu Watanabe(Takushoku Univ.) / Shigeto Takeoka(Shizuoka Inst. of Science and Tech.) / TREVINO Jorge(Tohoku Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Speech / Technical Committee on Signal Processing / Technical Committee on Engineering Acoustics |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［招待講演］多カーネル適応フィルタ：信号処理と機械学習 |
| サブタイトル（和） | |
| タイトル（英） | [Invited Talk] Multikernel Adaptive Filtering: Signal Processing and Machine Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 非線形適応フィルタ / nonlinear adaptive filter |
| キーワード(2)（和/英） | 時系列データ予測 / time-series data prediction |
| キーワード(3)（和/英） | 再生核ヒルベルト空間 / reproducing kernel Hilbert space |
| キーワード(4)（和/英） | 凸射影 / convex projection |
| 第 1 著者 氏名（和/英） | 湯川 正裕 / Masahiro Yukawa |
| 第 1 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 発表年月日 | 2017-03-01 |
| 資料番号 | EA2016-113,SIP2016-168,SP2016-108 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | EA-475,SIP-476,SP-477 |
| ページ範囲 | pp.177-182(EA), pp.177-182(SIP), pp.177-182(SP), |
| ページ数 | 6 |
| 発行日 | 2017-02-22 (EA, SIP, SP) |