特許ウォッチ

公開番号2025047765
公報種別公開特許公報(A)
公開日2025-04-03
出願番号2023156459
出願日2023-09-21
発明の名称情報処理装置、情報処理方法、及びプログラム。
出願人NECソリューションイノベータ株式会社,公立大学法人横浜市立大学
代理人弁理士法人ブライタス
主分類G06F 18/214 20230101AFI20250326BHJP(計算;計数)
要約【課題】高次元データの次元削減において、ノイズの影響を受け難くすることにある。
【解決手段】情報処理装置は、高次元の学習用データに対してフィルトレイション処理を実行してパーシステント図を表す第一のパーシステント情報を生成するパーシステント情報生成部と、生成した第一のパーシステント情報それぞれに対してベクトル変換処理を実行して第一の特徴ベクトルを生成する特徴ベクトル抽出部と、生成した第一の特徴ベクトルと、目的関数の変数を表す次元削減行列とを用いて、目的関数を表すKullback-Leibler情報量を生成する目的関数生成部と、生成した目的関数に対してベイズ最適化処理を実行し、Kullback-Leibler情報量が最小値となる次元削減行列の最適解を算出する最適解算出部と、第一の特徴ベクトルの次元を、算出した次元削減行列の最適解を用いて削減する次元削減部とを有する。
【選択図】図1

特許請求の範囲【請求項１】
高次元の学習用データに対してフィルトレイション処理を実行してパーシステント図を表す第一のパーシステント情報を生成するパーシステント情報生成手段と、
生成した前記第一のパーシステント情報それぞれに対してベクトル変換処理を実行して第一の特徴ベクトルを生成する特徴ベクトル抽出手段と、
生成した前記第一の特徴ベクトルと、目的関数の変数を表す次元削減行列とを用いて、前記目的関数を表すKullback-Leibler情報量を生成する目的関数生成手段と、
生成した前記目的関数に対してベイズ最適化処理を実行し、前記Kullback-Leibler情報量が最小値となる前記次元削減行列の最適解を算出する最適解算出手段と、
前記第一の特徴ベクトルの次元を、算出した前記次元削減行列の最適解を用いて削減し、第一の低次元データを生成する次元削減手段と、
を有する情報処理装置。
続きを表示（約 1,500 文字）【請求項２】
前記フィルトレイション処理は、Vietoris-Rips filtrationから定まるPersistent Density Entropyを算出する、
請求項１に記載の情報処理装置。
【請求項３】
前記特徴ベクトル抽出手段は、Persistence weighted Gaussian kernel処理を利用して、前記第一の特徴ベクトルを生成する、
請求項１に記載の情報処理装置。
【請求項４】
さらに、前記次元削減手段で生成した前記第一の低次元データを用いて可視化情報を生成する可視化手段を有する、
請求項１に記載の情報処理装置。
【請求項５】
前記可視化情報は、散布図、確率分布図などを表す情報である、
請求項４に記載の情報処理装置。
【請求項６】
前記第一の低次元データは、二次元データ又は三次元データである、
請求項４に記載の情報処理装置。
【請求項７】
運用時において、
前記パーシステント情報生成手段は、新規の高次元データに対して前記フィルトレイション処理を実行して第二のパーシステント情報を生成し、
前記特徴ベクトル抽出手段は、生成した前記第二のパーシステント情報それぞれに対して前記ベクトル変換処理を実行して第二の特徴ベクトルを生成し、
前記次元削減手段は、前記第二の特徴ベクトルの次元を、算出した前記次元削減行列の最適解を用いて削減し、第二の低次元データを生成する、
請求項４に記載の情報処理装置。
【請求項８】
前記可視化手段は、前記次元削減手段で生成した前記第二の低次元データを用いて可視化情報を生成する、
請求項７に記載の情報処理装置。
【請求項９】
情報処理装置が、
高次元の学習用データに対してフィルトレイション処理を実行してパーシステント図を表す第一のパーシステント情報を生成し、
生成した前記第一のパーシステント情報それぞれに対してベクトル変換処理を実行して第一の特徴ベクトルを生成し、
生成した前記第一の特徴ベクトルと、目的関数の変数を表す次元削減行列とを用いて、前記目的関数を表すKullback-Leibler情報量を生成し、
生成した前記目的関数に対してベイズ最適化処理を実行し、前記Kullback-Leibler情報量が最小値となる前記次元削減行列の最適解を算出し、
前記第一の特徴ベクトルの次元を、算出した前記次元削減行列の最適解を用いて削減する、
情報処理方法。
【請求項１０】
コンピュータに、
高次元の学習用データに対してフィルトレイション処理を実行してパーシステント図を表す第一のパーシステント情報を生成させ、
生成した前記第一のパーシステント情報それぞれに対してベクトル変換処理を実行して第一の特徴ベクトルを生成させ、
生成した前記第一の特徴ベクトルと、目的関数の変数を表す次元削減行列とを用いて、前記目的関数を表すKullback-Leibler情報量を生成させ、
生成した前記目的関数に対してベイズ最適化処理を実行させ、前記Kullback-Leibler情報量が最小値となる前記次元削減行列の最適解を算出させ、
前記第一の特徴ベクトルの次元を、算出した前記次元削減行列の最適解を用いて削減させる、
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、次元削減をする情報処理装置、情報処理方法、及びプログラムに関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
画像、音声などの高次元データを、可視化してデータの特徴を把握するために、できる限り重要な情報を保持したまま、人が理解できる次元（低次元データ）に変換する方法（次元削減）が知られている。なお、関連する技術として非特許文献１が知られている。
【０００３】
非特許文献１には、次元削減の方法として、t-SNE（t-distributed Stochastic Neighbor Embedding）が開示されている。非特許文献１では、t-SNEは、高次元データを低次元に圧縮し、特徴を可視化するために用いている。
【先行技術文献】
【非特許文献】
【０００４】
Laurens van der Maaten, Geoffrey Hinton, “Visualizing data using t-SNE”, ［online］， Submitted 5/08; Revised 9/08; Published 11/08 2008, Journal of machine learning research 9(2008) 2579-2605, ［2023年7月19日検索］，インターネット＜URL：https://www.jmlr.org/papers/volume9/vandermaaten08a/vandermaaten08a.pdf＞
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、t-SNEでは、高次元データの全ての二点間の組み合わせに対して、二点間の類似度を算出しているので、高次元データのノイズの影響（次元の呪い）を受け易い。
【０００６】
本開示の目的の一例は、高次元データの次元削減において、ノイズの影響を受け難くすることにある。
【課題を解決するための手段】
【０００７】
上記目的を達成するため、本開示の一側面における情報処理装置は、
高次元の学習用データに対してフィルトレイション処理を実行してパーシステント図を表す第一のパーシステント情報を生成するパーシステント情報生成部と、
生成した前記第一のパーシステント情報それぞれに対してベクトル変換処理を実行して第一の特徴ベクトルを生成する特徴ベクトル抽出部と、
生成した前記第一の特徴ベクトルと、目的関数の変数を表す次元削減行列とを用いて、前記目的関数を表すKullback-Leibler情報量を生成する目的関数生成部と、
生成した前記目的関数に対してベイズ最適化処理を実行し、前記Kullback-Leibler情報量が最小値となる前記次元削減行列の最適解を算出する最適解算出部と、
前記第一の特徴ベクトルの次元を、算出した前記次元削減行列の最適解を用いて削減する次元削減部と、
を有することを特徴とする。
【０００８】
また、上記目的を達成するため、本開示の一側面における情報処理方法は、
情報処理装置が、
高次元の学習用データに対してフィルトレイション処理を実行してパーシステント図を表す第一のパーシステント情報を生成し、
生成した前記第一のパーシステント情報それぞれに対してベクトル変換処理を実行して第一の特徴ベクトルを生成し、
生成した前記第一の特徴ベクトルと、目的関数の変数を表す次元削減行列とを用いて、前記目的関数を表すKullback-Leibler情報量を生成し、
生成した前記目的関数に対してベイズ最適化処理を実行し、前記Kullback-Leibler情報量が最小値となる前記次元削減行列の最適解を算出し、
前記第一の特徴ベクトルの次元を、算出した前記次元削減行列の最適解を用いて削減する、
ことを特徴とする。
【０００９】
さらに、上記目的を達成するため、本開示の一側面におけるプログラムは、
コンピュータに、
高次元の学習用データに対してフィルトレイション処理を実行してパーシステント図を表す第一のパーシステント情報を生成させ、
生成した前記第一のパーシステント情報それぞれに対してベクトル変換処理を実行して第一の特徴ベクトルを生成させ、
生成した前記第一の特徴ベクトルと、目的関数の変数を表す次元削減行列とを用いて、前記目的関数を表すKullback-Leibler情報量を生成させ、
生成した前記目的関数に対してベイズ最適化処理を実行させ、前記Kullback-Leibler情報量が最小値となる前記次元削減行列の最適解を算出させ、
前記第一の特徴ベクトルの次元を、算出した前記次元削減行列の最適解を用いて削減させる、
処理を実行させることを特徴とする。
【発明の効果】
【００１０】
以上のように本開示によれば、高次元データの次元削減において、ノイズの影響を受け難くすることができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許