| 研究成果の概要 |
本研究は，ガウス過程に従う高次元の時系列データを対象にし，GPLVM, GPDMを基盤手法として用いた低次元の潜在空間に圧縮する手法を提案した．また，従来の手法を効率と精度の2つの面で改良する手法として，我々はEMアルゴリズムを使用する代わりに，非線形最適化手法である多層パーセプトロンを導入する手法を提案した．さらに，複数の時系列データの対応関係を取得することが出来るSharedGPLVM, SharedGPDMにも本手法を導入し，双方の手法においても精度よく効率的な潜在空間の推定が出来ることを確認した．
|
