| 講演名 | 2015-01-29 欠損データに対するTensor SOMのロバスト性(ニューロコンピューティング実装及び人間科学のための解析・モデル化,一般) 脇田 靖弘, 岩崎 亘, 古川 徹生, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | Tensor SOMは自己組織化マップ(Self-Organizing Map:SOM)の拡張であり,関係データの可視化を行う.典型的な応用例は顧客-商品評価データ(user-item rating data)である.このような関係データは欠損を伴うことが多く,時にはデータの大半が欠損することも生じる.そこで欠損を含む関係データに対するTensor SOMのロバスト性を検証するとともに,Tensor SOMのアルゴリズムを見直し,ロバストかつ高い欠損値推定のアルゴリズムを開発することが本研究の目的である.本研究では2つの異なるアプローチから導出したTensor SOMのアルゴリズムを比較した.第1のアプローチは,存在しないデータは欠損していると考える見方である.このアプローチでは欠損補完が学習プロセスにも必要とみなされる.第2のアプローチは,観測されたデータがすべてであって,そこには欠損は存在しないという見方である.このアプローチでは,存在しないデータは単なる未観測データにすぎず,学習中に補完する必要はない.両者を比較した結果,後者のアルゴリズムの方が良好な結果を示した. |
| 抄録(英) | Tensor SOM is an extension of the self-organizing map (SOM), which enables us to visualize simultaneous visualization of multiple modes of relational data. One of the typical applications is user-item rating datasets of online shopping, which usually contain a lot of missing data. The aim of this work is to evaluate the robustness of the Tensor SOM to the data missing, as well as improving the algorithm. In this work, We examined two algorithms derived from different approaches. In the first approach, non-existent data are regarded as missing, which are need to be made up for during the learning. In contrast, the second approach regards that non-existent data are merely unobserved, just like the ordinary test dataset, and they are not needed to be estimated during the learning phase. The result showed that the algorithm derived from the second approach is superior to the first one. |
| キーワード(和) | 自己組織化マップ / Tensor SOM / 関係データ / 欠損値推定 |
| キーワード(英) | self-organizing map / Tensor SOM / relational data / missing value estimation |
| 資料番号 | NC2014-61 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2015/1/22(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） | 欠損データに対するTensor SOMのロバスト性(ニューロコンピューティング実装及び人間科学のための解析・モデル化,一般) |
| サブタイトル（和） | |
| タイトル（英） | Robustness of Tensor SOM for Missing Data |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 自己組織化マップ / self-organizing map |
| キーワード(2)（和/英） | Tensor SOM / Tensor SOM |
| キーワード(3)（和/英） | 関係データ / relational data |
| キーワード(4)（和/英） | 欠損値推定 / missing value estimation |
| 第 1 著者 氏名（和/英） | 脇田 靖弘 / Yasuhiro WAKITA |
| 第 1 著者 所属（和/英） | 九州工業大学大学院生命体工学研究科 Department of Brain Science and Engineering, Kyushu Institute of Technology |
| 第 2 著者 氏名（和/英） | 岩崎 亘 / Tohru IWASAKI |
| 第 2 著者 所属（和/英） | 九州工業大学大学院生命体工学研究科 Department of Brain Science and Engineering, Kyushu Institute of Technology |
| 第 3 著者 氏名（和/英） | 古川 徹生 / Tetsuo FURUKAWA |
| 第 3 著者 所属（和/英） | 九州工業大学大学院生命体工学研究科 Department of Brain Science and Engineering, Kyushu Institute of Technology |
| 発表年月日 | 2015-01-29 |
| 資料番号 | NC2014-61 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | 437 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |