超大規模データ処理に向けた分割統治によるカーネル埋め込みの高速化

使用分治法加速内核嵌入以进行超大规模数据处理

基本信息

  • 批准号:
    15J04406
  • 负责人:
  • 金额:
    $ 1.09万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
  • 财政年份:
    2015
  • 资助国家:
    日本
  • 起止时间:
    2015-04-24 至 2017-03-31
  • 项目状态:
    已结题

项目摘要

カーネル平均埋め込みによるデータ解析の問題は計算コストであり,一般に訓練データ数の3乗のオーダの計算量が必要となる.本研究ではこの計算コストを削減しカーネル埋め込みを大規模データに適用可能にするための手法を2つ開発した.一つはカーネル行列の低ランク近似に基づく手法であり,具体的にはカーネル行列の低ランク近似を用いてカーネルベイズ則を実行するためのアルゴリズムを導出した.もう一つはカーネルハーディングによるデータ選択に基づく手法である.これは訓練データのうち有用なデータを選択し,余剰なデータを削減する方法である.上記の2つの高速化手法を,以下で説明するフィルタリング手法に応用した.計算機実験の結果,これらの高速化手法は推定精度を犠牲にすることなく大幅な高速化を実現できることが確認できた.今年度は以上の高速化手法の応用として,カーネル埋め込みを用いた時系列データ解析に関する研究を推進した.具体的には,状態空間モデルにおける潜在状態推定(フィルタリング)のための新たなアルゴリズムを提案した.既存手法は時系列データの生成過程に関する事前知識を必要とするが,これは観測値と潜在状態の関係が複雑な場合,強い仮定である.提案手法はこの仮定が満たされない場合でも適用できる.必要なのは観測値と潜在状態のペアに関する訓練データである.このような訓練データが得られる状況の例としてロボティクスにおける位置推定問題が挙げられる.これは与えられたセンサーデータから,ロボットが建物内のどこにいるかを推定する問題であり,ロボティクス分野における重要な課題である.この問題では通常のフィルタリング手法を適用するのが難しい.提案手法はこの場合でも適用可能であり,既存の位置推定手法に比べ高い精度で推定できる.以上の成果は国際論文誌Neural Computationにおいて発表した.
カ ー ネ ル average buried め 込 み に よ る デ ー タ analytical の problem は コ ス ト で あ り, general に training デ ー タ の 3 乗 の オ ー ダ の computation necessary と が な る. This study で は こ の computing コ ス ト を cut し カ ー ネ ル buried め 込 み を large-scale デ ー タ に may apply に す る た め の gimmick を 2 つ open 発 し た. A つ は カ ー ネ ル ranks low の ラ ン ク approximate に base づ く gimmick で あ り, specific に は カ ー ネ ル ranks low の ラ ン ク approximate を with い て カ ー ネ ル ベ イ ズ is を line be す る た め の ア ル ゴ リ ズ ム を export し た. A つ も う は カ ー ネ ル ハ ー デ ィ ン グ に よ る デ ー タ sentaku に base づ く gimmick で あ る. こ れ は training デ ー タ の う ち useful な デ ー タ を sentaku し, yu turning な デ ー タ を cut す る method で あ る. In the previous note, the high-speed technique of <s:1> 2 た <s:1> is を. The following で explains that the するフィ タリ タリ <e:1> グ グ technique に応 uses た. Computer be 験 の results, こ れ ら の high technique は presumed accuracy を bloods に す る こ と な く significantly high speed な を be presently で き る こ と が confirm で き た. Our high speed above は の gimmick の 応 with と し て, カ ー ネ ル buried め 込 み を with い た series when デ ー タ parsing に masato す を る research advance し た. Specific に は, state space モ デ ル に お け る presumption potential state (フ ィ ル タ リ ン グ) の た め の new た な ア ル ゴ リ ズ ム を proposal し た. Existing methods when は series デ ー タ の generation process に masato す る prior knowledge を necessary と す る が, こ れ は 観 numerical と potential state の が masato department after 雑 な occasions, strong い 仮 set で あ る. The proposal approach is 仮 る 仮 仮 and が are suitable for たされな 仮 occasions. Youdaoplaceholder4 る る is applicable. It is necessary to な 観 観 観 measure the と potential state <e:1> ペアに related する training デ デ タである タである. Youdaoplaceholder3 ような ような training デ タが タが られる situation <s:1> example と てロボティ てロボティ スにおける スにおける スにおける location presumption problem が挙げられる. こ れ は and え ら れ た セ ン サ ー デ ー タ か ら, ロ ボ ッ ト が building within の ど こ に い る か を presumption す る problem で あ り, ロ ボ テ ィ ク ス eset に お け る important topic な で あ る. The <s:1> problem で usually <s:1> フィ フィ タリ タリ グ グ technique を is applicable to する が difficult する. The proposal method <s:1> <s:1> occasions で <e:1> may be applicable であ, the existing <s:1> location presumption method に is more <s:1> accurate で than べ, and the presumption is で る る. The above <s:1> results are presented in the international paper Neural Computationにお にお て て.

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Convergence Rates of Quasi Monte Carlo Integration under Misspecified Assumptions
错误指定假设下的拟蒙特卡罗积分的收敛率
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Motonobu Kanagawa;Yu Nishiyama;Arthur Gretton;and Kenji Fukumizu;金川元信,Bharath K. Sriperumbudur,福水健次
  • 通讯作者:
    金川元信,Bharath K. Sriperumbudur,福水健次
Filtering with State-Observation Examples via Kernel Monte Carlo Filter
  • DOI:
    10.1162/neco_a_00806
  • 发表时间:
    2013-12
  • 期刊:
  • 影响因子:
    2.9
  • 作者:
    Motonobu Kanagawa;Yu Nishiyama;A. Gretton;K. Fukumizu
  • 通讯作者:
    Motonobu Kanagawa;Yu Nishiyama;A. Gretton;K. Fukumizu
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

金川 元信其他文献

金川 元信的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('金川 元信', 18)}}的其他基金

ベイズ的数値解析によるシミュレーション誤差の定量化:新展開とデータ同化への応用
使用贝叶斯数值分析量化模拟误差:数据同化的新发展和应用
  • 批准号:
    17K12654
  • 财政年份:
    2017
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Grant-in-Aid for Young Scientists (B)

相似国自然基金

机理与数据融合的高速化纤卷绕机装配精度可保持性研究
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
基于噪声智能感知的高速化纤卷绕机群组预测性维护研究
  • 批准号:
    52075094
  • 批准年份:
    2020
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目
三维二值图像连通体标记处理的高速化研究
  • 批准号:
    61601271
  • 批准年份:
    2016
  • 资助金额:
    18.0 万元
  • 项目类别:
    青年科学基金项目
面向实时图像识别的物体基本形状特征提取的高速化研究
  • 批准号:
    61471227
  • 批准年份:
    2014
  • 资助金额:
    75.0 万元
  • 项目类别:
    面上项目

相似海外基金

冗長性を持つ数表現を用いた算術演算回路の高速化に関する研究
利用冗余数表示加速算术运算电路的研究
  • 批准号:
    24K14873
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Nanoscopic elucidation of dynamic behavior of RNA viral nucleocapsid proteins using high-speed atomic force microscopy (HS-AFM)
使用高速原子力显微镜 (HS-AFM) 纳米级阐明 RNA 病毒核衣壳蛋白的动态行为
  • 批准号:
    24K18449
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
MSフラグメンテーションに基づいたプログラミングによる生薬成分解析の高速化
基于MS碎片编程加速生药成分分析
  • 批准号:
    24K09867
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
運動シナジーに基づく深層学習ベース運動制御計算の高速化と体系化
基于运动协同的深度学习运动控制计算的加速和系统化
  • 批准号:
    24K00841
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
High speed multi modal in-situ Transmission Electron Microscopy platform
高速多模态原位透射电子显微镜平台
  • 批准号:
    LE240100060
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Linkage Infrastructure, Equipment and Facilities
High-Speed Atomic Force Microscope
高速原子力显微镜
  • 批准号:
    532150447
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Major Research Instrumentation
GPUスパコンを用いた都市風況LESに対するアンサンブルデータ同化の高速化技術の開発
GPU超级计算机城市风况LES高速集合数据同化技术开发
  • 批准号:
    24K20785
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
Unravelling dengue virus structural dynamics and conformational changes using high-speed atomic force microscopy
使用高速原子力显微镜揭示登革热病毒结构动力学和构象变化
  • 批准号:
    24K18450
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
データ科学との融合による3次元原子間力顕微鏡の超解像化と高速化
通过与数据科学融合实现 3D 原子力显微镜的超分辨率和加速
  • 批准号:
    23K23222
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
FlexNIR-PD: A resource efficient UK-based production process for patented flexible Near Infrared Sensors for LIDAR, Facial recognition and high-speed data retrieval
FlexNIR-PD:基于英国的资源高效生产工艺,用于 LIDAR、面部识别和高速数据检索的专利柔性近红外传感器
  • 批准号:
    10098113
  • 财政年份:
    2024
  • 资助金额:
    $ 1.09万
  • 项目类别:
    Collaborative R&D
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了