• BPnet
  • ビジネス
  • IT
  • テクノロジー
  • 医療
  • 建設・不動産
  • TRENDY
  • WOMAN
  • ショッピング
  • 転職
  • ナショジオ
  • 日経電子版

HOME有料会員向けトップ > 《日経Robo》独立成分分析:情報のもつれを解く

日経Robotics 2017年9月号

AI最前線

《日経Robo》独立成分分析:情報のもつれを解く

PFN岡野原氏によるAI解説:第26回

  • 岡野原 大輔=Preferred Networks 取締役副社長
  • 2017/08/10 00:00
  • 1/2ページ

出典:日経Robotics、2017年9月号、pp.35-37(記事は執筆時の情報に基づいており、現在では異なる場合があります)

本記事はロボットとAI技術の専門誌『日経Robotics』のデジタル版です

 教師なし学習の目的は大きく4つある。1つ目は観測データの分布を獲得すること、2つ目は観測データと同じようなデータをサンプリングできるようにすること、3つ目は教師あり学習などのタスクに有効な特徴を獲得すること、そして4つ目はデータの隠れた構造を明らかにすることだ。

 例えば、1つ目は確率モデルの学習、2つ目はGANによるサンプル生成、3つ目はクラスタリングによる特徴抽出などが対応する。今回はこの4つ目に重要な独立成分分析(ICA:Independent Component Analysis)を紹介する。

おすすめ

あなたにおすすめ