| 講演名 | 2011-07-25 Slow Feature Analysisへの確率伝搬法の適用(知的システム,一般) 関口 智樹, 大森 敏明, 岡田 真人, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | Slow Feature Analysis (SFA)とは,複数の時系列データの中から最も"ゆっくりと"変化する成分(slow feature)を抽出するデータ解析手法である.本研究において,我々は観測ノイズの影響を考慮した確率的SFAの推定アルゴリズムを提案する.近年,SFAの確率モデルが提案されているが,先行研究では尤度関数を求める際に観測データに加わる観測ノイズを0と近似して計算している.この近似は観測データにノイズが加わらないことを意味しており,ノイズが加わっていると考えられる実データなどに応用した際に,適切な結果が得られるかどうかは定かではない.そこで,本研究では観測ノイズの影響を考慮した上で,SFAの確率モデルにおける尤度関数を厳密に計算した.注目する確率モデルのグラフ構造から,尤度関数の計算に確率伝搬法を適用することで厳密な計算を行うことが可能になることを示した.我々は提案手法を人工データに適用し,観測ノイズが加わった状況においても正確にslow featureの推定を行えることを示した. |
| 抄録(英) | The slow feature analysis (SFA) is a data analysis method that extracts slowly varying features from time series data. In this study, we propose an estimation algorithm of the probabilistic model of SFA that takes into account an effect of observation noise. Recently, a probabilistic model of the SFA has been proposed. However, the conventional algorithm using the probabilistic SFA model approximately evaluates the likelihood function by assuming observation noise to be zero. This means that observed data is assumed not to include noise in the conventional algorithm. Therefore it is not clear whether we can obtain a suitable result when we apply this conventional algorithm to real noisy data. In this study, we derived a likelihood function exactly in the probabilistic SFA model, that takes into account an effect of observation noise. From the graphical structure of the probabilistic SFA model, we showed that it is possible to derive the likelihood function exactly by using belief propagation. We applied our algorithm to artificial data, and showed that it could accurately estimate the slow feature from data including observation noise. |
| キーワード(和) | Slow Feature Analysis / 状態空間モデル / 確率伝搬法 / グラフ構造 / 確率論的時系列解析 |
| キーワード(英) | Slow Feature Analysis / state-space model / belief propagation / graphical structure / probabilistic time series analysis |
| 資料番号 | NC2011-26 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2011/7/18(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Slow Feature Analysisへの確率伝搬法の適用(知的システム,一般) |
| サブタイトル（和） | |
| タイトル（英） | Belief Propagation for Slow Feature Analysis |
| サブタイトル（和） | |
| キーワード(1)（和/英） | Slow Feature Analysis / Slow Feature Analysis |
| キーワード(2)（和/英） | 状態空間モデル / state-space model |
| キーワード(3)（和/英） | 確率伝搬法 / belief propagation |
| キーワード(4)（和/英） | グラフ構造 / graphical structure |
| キーワード(5)（和/英） | 確率論的時系列解析 / probabilistic time series analysis |
| 第 1 著者 氏名（和/英） | 関口 智樹 / Tomoki SEKIGUCHI |
| 第 1 著者 所属（和/英） | 東京大学大学院新領域創成科学研究科 Graduate School of Frontier Sciences, The University of Tokyo |
| 第 2 著者 氏名（和/英） | 大森 敏明 / Toshiaki OMORI |
| 第 2 著者 所属（和/英） | 東京大学大学院新領域創成科学研究科:独立行政法人理化学研究所脳科学総合研究センター Graduate School of Frontier Sciences, The University of Tokyo:RIKEN Brain Science Institute |
| 第 3 著者 氏名（和/英） | 岡田 真人 / Masato OKADA |
| 第 3 著者 所属（和/英） | 東京大学大学院新領域創成科学研究科:独立行政法人理化学研究所脳科学総合研究センター Graduate School of Frontier Sciences, The University of Tokyo:RIKEN Brain Science Institute |
| 発表年月日 | 2011-07-25 |
| 資料番号 | NC2011-26 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | 157 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |