Enviar pesquisa
Carregar
自己相似な情報モデリング
•
Transferir como PPTX, PDF
•
1 gostou
•
869 visualizações
Tatsuya Yokota
Seguir
名古屋工業大学の若手シンポジウムで発表した内容です. テニュアポジション獲得を目指す他分野の様々な若手教員が聞くことを想定して作ってあります.
Leia menos
Leia mais
Engenharia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 43
Baixar agora
Recomendados
Priorに基づく画像/テンソルの復元
Priorに基づく画像/テンソルの復元
Tatsuya Yokota
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
Yui Sudo
音声認識と深層学習
音声認識と深層学習
Preferred Networks
【DL輪読会】言語以外でのTransformerのまとめ (ViT, Perceiver, Frozen Pretrained Transformer etc)
【DL輪読会】言語以外でのTransformerのまとめ (ViT, Perceiver, Frozen Pretrained Transformer etc)
Deep Learning JP
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
Tatsuya Yokota
ここまで来た&これから来る音声合成 (明治大学 先端メディアコロキウム)
ここまで来た&これから来る音声合成 (明治大学 先端メディアコロキウム)
Shinnosuke Takamichi
Onoma-to-wave: オノマトペを利用した環境音合成手法の提案
Onoma-to-wave: オノマトペを利用した環境音合成手法の提案
Keisuke Imoto
実装レベルで学ぶVQVAE
実装レベルで学ぶVQVAE
ぱんいち すみもと
Recomendados
Priorに基づく画像/テンソルの復元
Priorに基づく画像/テンソルの復元
Tatsuya Yokota
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
Yui Sudo
音声認識と深層学習
音声認識と深層学習
Preferred Networks
【DL輪読会】言語以外でのTransformerのまとめ (ViT, Perceiver, Frozen Pretrained Transformer etc)
【DL輪読会】言語以外でのTransformerのまとめ (ViT, Perceiver, Frozen Pretrained Transformer etc)
Deep Learning JP
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
Tatsuya Yokota
ここまで来た&これから来る音声合成 (明治大学 先端メディアコロキウム)
ここまで来た&これから来る音声合成 (明治大学 先端メディアコロキウム)
Shinnosuke Takamichi
Onoma-to-wave: オノマトペを利用した環境音合成手法の提案
Onoma-to-wave: オノマトペを利用した環境音合成手法の提案
Keisuke Imoto
実装レベルで学ぶVQVAE
実装レベルで学ぶVQVAE
ぱんいち すみもと
How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?
Kazuyuki Miyazawa
最適輸送の解き方
最適輸送の解き方
joisino
Skip Connection まとめ(Neural Network)
Skip Connection まとめ(Neural Network)
Yamato OKAMOTO
国際会議 interspeech 2020 報告
国際会議 interspeech 2020 報告
Shinnosuke Takamichi
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
BERT分類ワークショップ.pptx
BERT分類ワークショップ.pptx
Kouta Nakayama
Kameoka2017 ieice03
Kameoka2017 ieice03
kame_hirokazu
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
Ryosuke Tachibana
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
Toshihiko Yamasaki
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
Tatsuya Yokota
論文紹介 wav2vec: Unsupervised Pre-training for Speech Recognition
論文紹介 wav2vec: Unsupervised Pre-training for Speech Recognition
YosukeKashiwagi1
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
ryotat
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
Tatsuya Shirakawa
音源分離における音響モデリング(Acoustic modeling in audio source separation)
音源分離における音響モデリング(Acoustic modeling in audio source separation)
Daichi Kitamura
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
Deep Learning JP
音声合成のコーパスをつくろう
音声合成のコーパスをつくろう
Shinnosuke Takamichi
強化学習における好奇心
強化学習における好奇心
Shota Imai
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
Shinagawa Seitaro
複数話者WaveNetボコーダに関する調査
複数話者WaveNetボコーダに関する調査
Tomoki Hayashi
2チケット&計測」書籍で訴えたい
2チケット&計測」書籍で訴えたい
Yoshiki Mitani
Recursively Summarizing Books with Human Feedback
Recursively Summarizing Books with Human Feedback
harmonylab
Mais conteúdo relacionado
Mais procurados
How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?
Kazuyuki Miyazawa
最適輸送の解き方
最適輸送の解き方
joisino
Skip Connection まとめ(Neural Network)
Skip Connection まとめ(Neural Network)
Yamato OKAMOTO
国際会議 interspeech 2020 報告
国際会議 interspeech 2020 報告
Shinnosuke Takamichi
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
BERT分類ワークショップ.pptx
BERT分類ワークショップ.pptx
Kouta Nakayama
Kameoka2017 ieice03
Kameoka2017 ieice03
kame_hirokazu
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
Ryosuke Tachibana
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
Toshihiko Yamasaki
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
Tatsuya Yokota
論文紹介 wav2vec: Unsupervised Pre-training for Speech Recognition
論文紹介 wav2vec: Unsupervised Pre-training for Speech Recognition
YosukeKashiwagi1
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
ryotat
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
Tatsuya Shirakawa
音源分離における音響モデリング(Acoustic modeling in audio source separation)
音源分離における音響モデリング(Acoustic modeling in audio source separation)
Daichi Kitamura
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
Deep Learning JP
音声合成のコーパスをつくろう
音声合成のコーパスをつくろう
Shinnosuke Takamichi
強化学習における好奇心
強化学習における好奇心
Shota Imai
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
Shinagawa Seitaro
複数話者WaveNetボコーダに関する調査
複数話者WaveNetボコーダに関する調査
Tomoki Hayashi
Mais procurados
(20)
How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?
最適輸送の解き方
最適輸送の解き方
Skip Connection まとめ(Neural Network)
Skip Connection まとめ(Neural Network)
国際会議 interspeech 2020 報告
国際会議 interspeech 2020 報告
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
BERT分類ワークショップ.pptx
BERT分類ワークショップ.pptx
Kameoka2017 ieice03
Kameoka2017 ieice03
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
論文紹介 wav2vec: Unsupervised Pre-training for Speech Recognition
論文紹介 wav2vec: Unsupervised Pre-training for Speech Recognition
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
音源分離における音響モデリング(Acoustic modeling in audio source separation)
音源分離における音響モデリング(Acoustic modeling in audio source separation)
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
音声合成のコーパスをつくろう
音声合成のコーパスをつくろう
強化学習における好奇心
強化学習における好奇心
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
複数話者WaveNetボコーダに関する調査
複数話者WaveNetボコーダに関する調査
Semelhante a 自己相似な情報モデリング
2チケット&計測」書籍で訴えたい
2チケット&計測」書籍で訴えたい
Yoshiki Mitani
Recursively Summarizing Books with Human Feedback
Recursively Summarizing Books with Human Feedback
harmonylab
コンピュータのソフトとハードの境界、そしてIoTへ
コンピュータのソフトとハードの境界、そしてIoTへ
Junichi Akita
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
Junichiro Katsuta
好きな活動から始めるイノベーションの種
好きな活動から始めるイノベーションの種
Junichi Akita
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
harmonylab
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
Deep Learning Lab(ディープラーニング・ラボ)
計算で明らかにするタンパク質の出会いとネットワーク(FIT2016 助教が吼えるセッション)
計算で明らかにするタンパク質の出会いとネットワーク(FIT2016 助教が吼えるセッション)
Masahito Ohue
機械学習を科学研究で使うとは?
機械学習を科学研究で使うとは?
Ichigaku Takigawa
全脳アーキテクチャ勉強会若手の会実現に向けて E-cell sprint 2014
全脳アーキテクチャ勉強会若手の会実現に向けて E-cell sprint 2014
Osawa Masahiko
同値分割ってなんだろう?
同値分割ってなんだろう?
Yasuharu Nishi
Gifu University Before Study 2015
Gifu University Before Study 2015
Kiyoshi Ogawa
道具としての電子回路・半導体
道具としての電子回路・半導体
Junichi Akita
道具としての半導体:HCI分野での例
道具としての半導体:HCI分野での例
Junichi Akita
NAIST ソフトウェア工学研究室紹介 2018
NAIST ソフトウェア工学研究室紹介 2018
Takashi Ishio
機械学習研究の現状とこれから
機械学習研究の現状とこれから
MLSE
今後のPRMU研究会を考える
今後のPRMU研究会を考える
Yoshitaka Ushiku
20200323presentation uno
20200323presentation uno
miraikenkyu
Kansai MotionControl Networkキックオフ
Kansai MotionControl Networkキックオフ
Tomohiro Takata
Deep Q-LearningでFXしてみた
Deep Q-LearningでFXしてみた
Junichiro Katsuta
Semelhante a 自己相似な情報モデリング
(20)
2チケット&計測」書籍で訴えたい
2チケット&計測」書籍で訴えたい
Recursively Summarizing Books with Human Feedback
Recursively Summarizing Books with Human Feedback
コンピュータのソフトとハードの境界、そしてIoTへ
コンピュータのソフトとハードの境界、そしてIoTへ
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
好きな活動から始めるイノベーションの種
好きな活動から始めるイノベーションの種
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
計算で明らかにするタンパク質の出会いとネットワーク(FIT2016 助教が吼えるセッション)
計算で明らかにするタンパク質の出会いとネットワーク(FIT2016 助教が吼えるセッション)
機械学習を科学研究で使うとは?
機械学習を科学研究で使うとは?
全脳アーキテクチャ勉強会若手の会実現に向けて E-cell sprint 2014
全脳アーキテクチャ勉強会若手の会実現に向けて E-cell sprint 2014
同値分割ってなんだろう?
同値分割ってなんだろう?
Gifu University Before Study 2015
Gifu University Before Study 2015
道具としての電子回路・半導体
道具としての電子回路・半導体
道具としての半導体:HCI分野での例
道具としての半導体:HCI分野での例
NAIST ソフトウェア工学研究室紹介 2018
NAIST ソフトウェア工学研究室紹介 2018
機械学習研究の現状とこれから
機械学習研究の現状とこれから
今後のPRMU研究会を考える
今後のPRMU研究会を考える
20200323presentation uno
20200323presentation uno
Kansai MotionControl Networkキックオフ
Kansai MotionControl Networkキックオフ
Deep Q-LearningでFXしてみた
Deep Q-LearningでFXしてみた
Mais de Tatsuya Yokota
Tensor representations in signal processing and machine learning (tutorial ta...
Tensor representations in signal processing and machine learning (tutorial ta...
Tatsuya Yokota
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
Tatsuya Yokota
2013 11 01(fast_grbf-nmf)_for_share
2013 11 01(fast_grbf-nmf)_for_share
Tatsuya Yokota
Linked CP Tensor Decomposition (presented by ICONIP2012)
Linked CP Tensor Decomposition (presented by ICONIP2012)
Tatsuya Yokota
Introduction to Common Spatial Pattern Filters for EEG Motor Imagery Classifi...
Introduction to Common Spatial Pattern Filters for EEG Motor Imagery Classifi...
Tatsuya Yokota
Principal Component Analysis for Tensor Analysis and EEG classification
Principal Component Analysis for Tensor Analysis and EEG classification
Tatsuya Yokota
Nonnegative Matrix Factorization
Nonnegative Matrix Factorization
Tatsuya Yokota
Independent Component Analysis
Independent Component Analysis
Tatsuya Yokota
Mais de Tatsuya Yokota
(8)
Tensor representations in signal processing and machine learning (tutorial ta...
Tensor representations in signal processing and machine learning (tutorial ta...
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
2013 11 01(fast_grbf-nmf)_for_share
2013 11 01(fast_grbf-nmf)_for_share
Linked CP Tensor Decomposition (presented by ICONIP2012)
Linked CP Tensor Decomposition (presented by ICONIP2012)
Introduction to Common Spatial Pattern Filters for EEG Motor Imagery Classifi...
Introduction to Common Spatial Pattern Filters for EEG Motor Imagery Classifi...
Principal Component Analysis for Tensor Analysis and EEG classification
Principal Component Analysis for Tensor Analysis and EEG classification
Nonnegative Matrix Factorization
Nonnegative Matrix Factorization
Independent Component Analysis
Independent Component Analysis
自己相似な情報モデリング
1.
自己相似な情報モデリング 情報工学教育類 発表者 横田 達也 メンター
本谷秀堅 2019年6月27日 若手イノベータ養成センターシンポジウム 1
2.
東工大附属高校(機械科) ガス溶接,アーク溶接,旋盤… 魚ロボットの開発 東工大(学士,修士,博士) 【2005-2014】 5類に入学 (電気電子情報系) 機械学習,パターン認識の研究 論文誌:[Applied
Optics, IF=1.8], [IEEE-TNNLS, IF=6.1] 理研(JRA,研究員) 【2011-2016】 脳信号処理,数理的情報モデリングの研究 論文誌:[SigPro, IF=3.1], [IEEE-TSP, IF=4.3], [IEEE-TSP, IF=4.3], [SciRep, IF=4.2] 研究費:科研費若手B(代表) 名工大(助教) 【2016-現在】 医用画像処理,数理的情報モデリングの研究 論文誌:[IEEE-Access, IF=3.1], [Brain Stimulation, IF=6.1] トップ会議:[CVPR2017], [CVPR2018] 研究費:堀財団,JST-ACT-I,科研費基盤B(分担) 2 簡単な略歴+主な研究業績 実際に作った魚ロボット (高3の夏)
3.
3 分野ごとの研究業績 MLDM2011 ICONIP2011 IJCNN2013 IEEE-TNNLS IEICE Applied Optics パターン認識 行列・テンソル分解 数理的情報モデリング 医用画像処理
その他 Signal Processing Cognitive Comp. IEEE-TSP (awarded) IEEE-TSP Entropy Scientific Reports IJ. Biomed. Imag.IEEE-Access Brain Stimulation ICCV2019 ICCV2019 IJCCI2012ICONIP2012 ICONIP2014 ICIS-ISIS2014 (awarded) Low-rank Opt. APSIPA2015 ICASSP2016 ICAICS2014 CVPR2017 IFMIA2017VISAPP2017 APSIPA2017 CVPR2018 APSIPA2018 SPIE-MI2018 COMPAY2018 COMPAY2018 APSIPA2018 IFMIA2019 IFMIA2019 査読中 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 学術論文(ファースト) 学術論文(共著) 国際会議(ファースト) 国際会議(共著) IJCARS
4.
4 その他 IEEE 計算知能 (2014)
理研 (2016) IEEE 人工頭脳 (2017) - 査読者として - IEEE 信号処理 (2018)
5.
研究の話 「自己相似な情報モデリング」 5
6.
人間が脳内で行っている情報処理を模倣(モデル化)したい 6 研究動機 自動運転 掃除ロボット将棋ロボット 生産ロボット 医療診断支援
7.
これを踏まえてクイズ 空欄の中はどのようになっているでしょう? 解は無数にある… 7 問題提起 ?
8.
これを踏まえてクイズ 空欄の中はどのようになっているでしょう? これは1つの解 8 問題提起
9.
これを踏まえてクイズ 空欄の中はどのようになっているでしょう? これも1つの解 9 問題提起
10.
これを踏まえてクイズ 空欄の中はどのようになっているでしょう? これも1つの解 10 問題提起
11.
これを踏まえてクイズ 空欄の中はどのようになっているでしょう? これが「自然」な答えなきがする なぜ? 11 問題提起
12.
これを踏まえてクイズ 空欄の中はどのようになっているでしょう? これが「自然」な答えなきがする なぜ? 「自己相似性」が暗に仮定されている. 12 問題提起
13.
自己相似性による脳内補完の例 自然言語 イラスト 13 問題提起 カラ松 松野 チョロ松 ? カラ松
松野 チョロ松 松野 おそ松 松野 おそ松 松野
14.
自然現象を観測(サンプリング)して処理する サンプリングによって得られる多様な情報を処理 14 研究提案 「自己相似性」を活用したい これもサンプリング? 脳波の記録 画像の撮影 MRIの撮影
会議の記録録音 天体の観測 高階埋め込みテンソルモデリング JST ACT-I 情報と未来 採択課題 (H30-R1)
15.
カオス解析:遅延埋め込み空間での信号表現 遅延埋め込み (ハンケル化) 15 自己相似性を捉えるための信号処理 遅延埋め込み 低ランク/滑らかな多様体 非低ランク/滑らかでない ベクトル x
X1, X2, X3, …………………………………………………, XT X1, X2, X3, …., Xτ ………………………, XT-τ+1 X2, X3, ….., Xτ, …………………………, XT-τ+2 X3, ….., Xτ,………………………………, XT-τ+3 Xτ, Xτ+1, Xτ+2, Xτ+3, ……………………, XT …………………..………………………… ハンケル行列 H τ T-τ+1 H = DE(x, τ) 雑音
16.
16 自己相似性による時系列信号の復元 損失信号 missing&noisy ハンケル行列 低ランク行列分解 逆変換 復元信号 モデリング埋め込み変換 (ハンケル化)
17.
自己相似性による時系列信号(1次元)の復元ができた. 問題:2D画像,3D画像,高次元データに適用できるのか? 課題1:遅延埋め込み(ハンケル化)をどのように拡張するか? 課題2:ハンケル化した高次元データをどのように処理するか? 17 問題提起 ? ?
18.
課題1:遅延埋め込みをN次元データへ一般化 一般化する埋め込みの概念 「局所領域」を「スライド」させて「コピー」する 18 N次元データへの拡張 ? 遅延埋め込み 高階埋め込み (N階テンソル) 局所領域
長さτの小区間 サイズ(τ,τ,…,τ)のN次元矩形領域 スライド 1方向にスライド N方向にスライド コピー 1方向に並べる N方向に並べる
19.
普通の遅延埋め込み 線形演算+行列化で実現可能 多重線形遅延埋め込み 多重線形演算+テンソル化で実現可能 数学的に解析可能 3階テンソルへの例: 19 多重線形遅延埋め込みの実装 = = I τ*(I-τ+1) I-τ+1 τ 3階テンソル 3つの複製行列で多重線形変換 テンソル化 複製行列で線形変換 行列化 (I1, I2,
I3)
20.
課題2:どのようにモデリングするか? 提案①:低ランクテンソルとしてモデリング Tucker分解による低ランク(多重線形部分空間)近似 20 高階埋め込みテンソルの低ランクモデリング ? テンソル分解の概念図:N=3の例
21.
テンソルの遅延埋め込み ×
low-rank prior 【トップ会議で発表】T. Yokota, et. al. Missing Slice Recovery for Tensors Using a Low-rank Model in Embedded Space. In Proceedings of CVPR 2018. 2018. 21 テンソル補完問題へ適用 (2)低ランクTucker分解 (3)逆変換(1)埋め込み変換 “ハンケル化” 未完テンソル 未完埋め込みテンソル 完全埋め込みテンソル 完全テンソル
22.
22 テンソル補完問題へ適用(cont’d) 核ノルム正則化 核ノルム+TV 正則化 Total-variation (TV) 正則化 正則化付き Tucker分解 平滑CP分解
提案アプロー チ 95% 損失画像原画像 99%
23.
fMRIの補完 23 テンソル補完問題へ適用(cont’d)
24.
動画像の補完 24 テンソル補完問題へ適用(cont’d)
25.
25 テンソル補完問題へ適用(cont’d)
26.
課題2(again):どのようにモデリングするか? 提案②:多様体モデリング AutoEncoder(自己符号化器)による低次元多様体モデリング 26 高階埋め込みテンソルの多様体モデリング ? … それぞれが低次元 多様体上の点にな るように近似
27.
補完問題を題材として理論を展開する 27 多様体モデリングの理論 観測信号 復元信号観測要素のみを通すフィルタ 埋め込み作用素 (行列を出力) 低次元多様体 … … ベクトル表現
28.
課題:多様体Sをどのように定義するか? 提案:自己符号化器を通してr次元の部分多様体を定義 点群{ht}を良く近似するr次元部分多様体Srを以下の式で定義する. 28 多様体モデリングの理論(cont’d) … ……エンコード デコード
29.
ただし, は自己符号化器 最適化問題を再定義 以下で,自己符号化器も同時に最適化する 一般的なニューラルネットワークの最適化法(AdamOptimizer)などを用 いて最適化が可能 29 多様体モデリングの理論(cont’d) 再定義
30.
低ランクモデリング と 多様体モデリングを比較 30 時系列信号での予備実験 原信号
観測信号 低ランク 多様体 低ランクモデリングでは平坦な部分空間による再構成 多様体モデリングでは中心のくぼみまで表現
31.
31 学習したパッチ多様体の低次元表現
32.
32 画像補完の結果 損失画像(50%) 損失画像(70%) 損失画像(90%)
33.
33 画像補完の結果 損失画像(95%)
34.
34 画像補完の結果 損失画像(99%)
35.
35 画像補完の結果 損失画像(99%)
36.
36 画像補完の結果 損失画像(99%)
37.
37 画像補完の結果 損失画像(99%)
38.
38 比較(99%損失) 損失画像 LRTV凸最適化 テンソル分解 提案法①低ランク
Deep Image Prior 提案法②多様体
39.
39 比較(99%損失) 損失画像 LRTV凸最適化 テンソル分解 提案法①低ランク
Deep Image Prior 提案法②多様体
40.
40 3D-MRI (90%損失) での比較実験 提案法
41.
41 プロジェクトの未来ビジョン 「自己相似性」のモデリング 補完・補間 ノイズ除去 超解像 圧縮センシング 未来予測 × 音声 画像 医療データ 生体データ 物性データ 環境データ Webデータ … さまざまな分野の情報解析に貢献!
42.
トップ会議(採択率30%以下)で採択される研究の質を常に意識 トップ会議CVPR2017で発表 海外訪問で得たアイデアを発展,論文化 2017.2-3 ハーバード大学医学大学院(ボストン) トップ会議CVPR2018で発表 共同研究を学術論文化 脳波処理(理研,塩野義)
Sci. Rep. (IF=4.3) TMS(平田研) Brain Stimulation (IF=6.1) Aiming High, Rejectでも妥協しない (2013) IEEE-TNNLS(reject)IEEE-TNNLS(accept) (2015) Neural Computation (reject) Signal Processing (accept) (2016) IEEE-TPAMI(reject)IEEE-TNNLS(reject)IEEE-TSP(accept) (2017) IEEE-TSP(accept) (2018) Scientific Reports(accept) (2019) IEEE-JTSP (reject) SIGPRO (reject) IEEE-Access (accept) (2019) Neuro Image (reject) Brain Stimulation (accept) 本谷先生(メンター)からのサポート(配慮)に感謝 42 名工大3年間の研究への取り組みについて 情報分野 h5-index IF CVPR 188 NIPS 134 ICCV 124 IEEE-TPAMI 118 9.455 ICML 113 ECCV 104 IEEE-TIP 101 5.071 IEEE-TCYB 88 8.803 IEEE-TSP 88 4.300 IEEE-TNNLS 87 7.982 ICASSP 79 青:トップ会議赤:有名論文誌 参考 h5 IF Nature 362 41.577 Science 345 37.205 Nature Communications 240 12.353 Scientific Reports 151 4.122
43.
Q&A ご清聴ありがとうございました. 43
Baixar agora