2016 Fiscal Year Annual Research Report
Theoretical Study on Probabilistic Slow Feature Analysis and Its Applications to Recognition Functions
| Project/Area Number |
25730147
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
大森 敏明 神戸大学, 工学研究科, 准教授 (10391898)
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | 確率的Slow Feature Analysis / 統計的機械学習 / データ駆動科学 / 知的学習論 / 状態空間モデル / センサデータ / 潜在情報抽出 / 数理データサイエンス |
|---|
| Outline of Annual Research Achievements |
未知の動的システムから観測される，多次元時系列データから緩やかな変動成分の抽出を実現するとともに，多次元データに隠れた潜在情報の抽出の実現や，情報認識の実現を行うことを目的として，本研究課題では，Slow Feature Analysisを用いた統計的アルゴリズムに関する理論研究・アルゴリズム開発を行った．
本研究課題の4年目に当たる平成28年度には，多次元データに隠れた潜在情報の抽出を実現するための確率的時系列解析手法を深化させるとともに，多次元センサデータに対してSlow Feature Analysisを適用することによって，情報認識を行うためのアルゴリズム開発を中心に研究を行った．特に，従来法では，状態空間モデルが有する潜在変数の次元を既知としていたという問題点に注目することにより，潜在変数の次元推定機能に関する改良を実現し，ヒトの行動時に取得される各種の多次元センサデータを用いた検証により，提案する潜在変数の次元選択手法を備えたSlow Feature Analysis（提案手法）が，従来手法に比べて，高い情報認識性能を有すること示した．関連する多次元時系列データの解析技術や動画像データからの情報抽出技術や情報認識技術に関する研究開発の成果について，国際会議で発表を行い，研究協力者である指導学生が優秀口頭発表賞を受賞した．さらに，国際会議にてスペシャルセッションを企画した．加えて，これらの研究成果について，招待講演を行った．
|
