item3a

最新情報 | Greetings | 行事予定 | 構成員リスト | 連絡先 | English

2016 年 4 月以降

2016 年

3 月
2 月
1 月

2015 年

12 月
11 月
10 月
9 月
8 月
7 月
6 月
5 月
4 月
3 月
2 月
1 月

2014 年

12 月
11 月
10 月
9 月
8 月
7 月
6 月
5 月
4 月
3 月
2 月
1 月

2013 年

12
11 月
10 月
9
8
7
6
5
4 月

2014 年 8 の行事予定


応用知覚科学研究センター特別講義:独立成分分析 (Independent Component Analysis, ICA) 入門

日時:2014 年 8 月 11 日(月),14:50-18:40(開場 14:30)
場所:4 号館 1 階,411 教室,九州大学大橋キャンパス
講師:村田昇(早稲田大学)
企画:坂田年男(九州大学/ReCAPS)

独立成分分析は,工学的な応用としては,多くの音源から同時に音が放射されている状態で,特定の音源からの音だけを分離する必要があるときなどに近年,用いられることの増えてきた統計的分析手法(多変量解析手法の一つ)です。日本におけるこの分野の草分けと言われる村田先生に,独立成分分析がどのような手法であり,どのような応用が可能であるかについて,丁寧な解説をしていただきます。なお,19:00 より,村田先生を囲んで懇親会を予定しています。

【梗概】信号処理の分野で発展した独立成分分析 (Independent Component Analysis, ICA) とそれに関連する手法について,その基礎的な考え方から始めて,スパースコーディング (Sparse Coding, SC) や非負値行列因子分解 (Nonnegative Matrix Factorization, NMF) といった最近の話題までを紹介する。独立成分分析やスパースコーディングは,多次元の観測データを複数並べた観測行列を二つの行列の積に分解する問題として,統一的な枠組で扱うことができる。また,手法の性質の違いは分解される行列に課される制約の違いとして理解される.本講演では,この統一的な考え方に基づいて,独立成分分析,スパースコーディング,非負値行列因子分解などの方法を比較しながら紹介し,主に画像などを対象とした応用例を取り挙げて,それぞれの方法の性質について議論する。

Photos


最新情報 | Greetings | 行事予定 | 構成員リスト | 連絡先 | English

Last updated:
Copyright (c) 2013-2019 Research Center for Applied Perceptual Science, Kyushu University. All rights reserved.