講演名 2013-03-15
非定常ガウス過程を用いたGTMにおけるベイズ法
山口 暢彦,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 近年,観測データの分布を潜在変数の非線形写像を用いて表現することによりデータの可視化を行うGTM(Generative Topographic Mapping)が提案され,多くの研究が行われている.一般にGTMは観測データの分布を表現する非線形写像の事前分布をガウス過程と仮定する確率モデルと解釈することが可能であり,ガウス過程を決定する共分散関数の選択によりその性質が変更される.従来のGTMでは,共分散関数として潜在変数空間全体に渡り常に一定の長さスケールを持つ関数を用いており,それ故観測データの分布を表現する非線形写像の滑らかさを潜在変数の値に応じて局所的に変更できない問題がある.そこで本論文では,潜在変数空間上の局所領域ごとに非線形写像の滑らかさを制御することが可能なGTMの提案を行う.
抄録(英) Generative Topographic Mapping (GTM) is a nonlinear topographically preserving mapping from latent to data space introduced by Bishop d al. as a data visualization technique. The GTM can be interpreted as a probabilistic model with Gaussian process prior, whose properties depend on the covariance function of the Gaussian process. The conventional GTM approaches use a covariance function with a constant lengthscale, and therefore fail to adapt to variable smoothness of the nonlinear topographically preserving mapping. In this paper, we propose the GTM that can individually control the smoothness in each local region of the latent space.
キーワード(和) GTM / データの可視化 / ガウス過程 / マルコフ連鎖モンテカルロ法
キーワード(英) generative topographic mapping / visualization / Gaussian process / Markov chain Monte Carlo
資料番号 NC2012-168
発行日

研究会情報
研究会 NC
開催期間 2013/3/6(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) 非定常ガウス過程を用いたGTMにおけるベイズ法
サブタイトル(和)
タイトル(英) Bayesian inference for GTM using non-stationary Gaussian process
サブタイトル(和)
キーワード(1)(和/英) GTM / generative topographic mapping
キーワード(2)(和/英) データの可視化 / visualization
キーワード(3)(和/英) ガウス過程 / Gaussian process
キーワード(4)(和/英) マルコフ連鎖モンテカルロ法 / Markov chain Monte Carlo
第 1 著者 氏名(和/英) 山口 暢彦 / Nobuhiko YAMAGUCHI
第 1 著者 所属(和/英) 佐賀大学大学院工学系研究科
Graduate School of Science and Engineering, Saga University
発表年月日 2013-03-15
資料番号 NC2012-168
巻番号(vol) vol.112
号番号(no) 480
ページ範囲 pp.-
ページ数 6
発行日