| 研究実績の概要 |
本研究では画像認識のための特徴量データベースの構築を目的としている。これには多数の画像に共通するパターンをもとに特徴量を定義することが有効と考えられるため、スパース符号化のための辞書学習を用いてパターン発見を行う研究に取り組んだ。大規模データに対する辞書学習では計算時間が課題となるため、その高速化手法の開発を行った。この研究の成果は情報処理学会の英文論文誌Journal of Information Processingへの採録が決定している。
Taro Tezuka, Dictionary learning by normalized bilateral projection, Journal of Information Processing, Vol.24, No.3, Information Processing Society of Japan, May 2016. (to appear)
また、スパース符号化による辞書学習は多様なデータから特徴量を求めるのに有効であるが、開発された手法を画像に加え、神経細胞の活動データに対して適用し、時空間的なパターン発見を行う研究を行った。この研究の成果はThe 24th Annual Computational Neuroscience Meeting (CNS2015)にて発表している。
Taro Tezuka, Sparse coding and dictionary learning for spike trains to find spatio-temporal patterns, Proceedings of the 24th Annual Computational Neuroscience Meeting (CNS2015), Prague, Czech Republic, July 18-23, 2015.
|
