ノイズ環境下における高速オンライン多変量ノンパラメトリック密度推定法(テーマセッション,大規模データベースとパターン認識)

概要

論文の詳細を見る
近年、センサーやネットワーク技術の発展に伴って、実環境から大量のデータが継続的にリアルタイムに生成されるようになってきている。実環境のデータは少なからずノイズを含み、どのようなデータが得られるか予め仮定するのが困難な場合がある。確率密度推定は機械学習において重要なタスクであるが、このような実環境のビッグデータに対して行うのは困難である。そこで、本研究では実環境の大量のデータに対応するために、ノイズ耐性を有する高速オンライン多変量ノンパラメトリック密度推定法を提案する。提案手法はカーネル密度推定法と自己増殖型ニューラルネットワーク(SOINN)を拡張した手法である。データのプロトタイプをノードとするネットワークとしてデータを学習し、ネットワークの局所構造から適応的にノードにカーネルを配置することで確率密度関数を推定する。提案手法は評価実験において、学習時間、耐ノイズ性に関して、既存手法より高い性能を示し、推定精度に関しても、同等またはそれ以上の性能を示すことができた。
一般社団法人電子情報通信学会の論文
2013-02-14