時間的な変化を伴うデータに対する機械学習手法に関する研究

随时间变化的数据的机器学习方法研究

• 批准号: 14F04730
• 负责人: 杉山 将
• 金额: $ 0.77万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2014
• 资助国家: 日本
• 起止时间: 2014-04-25 至 2015-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-14F04730/
• 关键词: 機械学習; 共分散行列; 共変量シフト; 主成分分析; ブレインコンピュータインターフェイス

ブレインコンピュータインターフェイスなどでは，共分散行列を特徴としてパターン認識を行う事が多い．本研究では，共分散行列に関する新しい機械学習技術を二つ開発した．一つ目は，データの生成確率分布が時間とともに変化する共変量シフトの状況における共分散行列の推定法である．重要度とよばれる確率密度関数の比で重みを付けて共分散行列を推定することにより，共変性シフト下でも適切に共分散行列が推定できるようになった．もう一つは，高次元の共分散行列の次元削減法であり，共分散行列が属する空間がなすリーマン幾何構造を用いることにより，もとの共分散行列の情報を適切に保持したまま，次元数を削減できるようになった．そして，これらの手法の有効性を，計算機シミュレーションやブレインコンピュータインターフェイスのデータを用いた計算機実験によって確認した．

The number of people who are scattered in a row is different from that of the number of people who are scattered in a row. This study is aimed at the development of a new mechanical learning technology for decentralized learning. A method for estimating the probability distribution of the generation of data is proposed. The ratio of importance to accuracy density is important, and co-dispersion is estimated. The information of the co-dispersed rows and columns is properly maintained, and the number of dimensions is reduced. In the case of the computer, the method is effective.

项目成果

Intrinsic principal component analysis for symmetric positive definite matrices.

对称正定矩阵的固有主成分分析。

• 发表时间: 2014
• 作者: Horev;I;Yger;F.;& Sugiyama;M.
• 通讯作者: M.

Importance-weighted covariance estimation for robust common spatial pattern

• DOI: 10.1016/j.patrec.2015.09.003
• 发表时间: 2014-11
• 期刊: Pattern Recognit. Lett.
• 作者: Alessandro Balzi;F. Yger;Masashi Sugiyama