Submit Search
Upload
ABC 2016Spring 講演資料
•
2 likes
•
596 views
Kensuke Onishi
Follow
Android Bazzer and Conference で講演した資料です。
Read less
Read more
Report
Share
Report
Share
1 of 27
Download now
Download to read offline
Recommended
ACPC 2017 Day3 D: 優柔不断
ACPC 2017 Day3 D: 優柔不断
HCPC: 北海道大学競技プログラミングサークル
2017/9/20 会津大学競技プログラミング合宿 Day3 (北大セット) D 問題 ※文字が見えない場合は、ダウンロードするかフルスクリーンにしてご覧ください
K-means hashing (CVPR'13) とハッシング周り
K-means hashing (CVPR'13) とハッシング周り
Yusuke Uchida
K-means hashing (CVPR'13) の論文解説と、関連する iterative quantization や optimized product quantization の紹介、最近のhashing系論文リスト。
PFI Seminar 2012/03/15 カーネルとハッシュの機械学習
PFI Seminar 2012/03/15 カーネルとハッシュの機械学習
Preferred Networks
AtCoder Regular Contest 045 解説
AtCoder Regular Contest 045 解説
AtCoder Inc.
AtCoder Regular Contest 045 解説
AtCoder Regular Contest 049 解説
AtCoder Regular Contest 049 解説
AtCoder Inc.
AtCoder Regular Contest 049 解説
purely functional data structures 5.3 日本語での説明
purely functional data structures 5.3 日本語での説明
Tetsuro Nagae
purely functional data structures 5.3節の内容を日本語で説明します。
diff template library
diff template library
Daisuke Nikura
Prml7.5.1
Prml7.5.1
Daiki Tsukahara
PRML勉強会用の資料
Recommended
ACPC 2017 Day3 D: 優柔不断
ACPC 2017 Day3 D: 優柔不断
HCPC: 北海道大学競技プログラミングサークル
2017/9/20 会津大学競技プログラミング合宿 Day3 (北大セット) D 問題 ※文字が見えない場合は、ダウンロードするかフルスクリーンにしてご覧ください
K-means hashing (CVPR'13) とハッシング周り
K-means hashing (CVPR'13) とハッシング周り
Yusuke Uchida
K-means hashing (CVPR'13) の論文解説と、関連する iterative quantization や optimized product quantization の紹介、最近のhashing系論文リスト。
PFI Seminar 2012/03/15 カーネルとハッシュの機械学習
PFI Seminar 2012/03/15 カーネルとハッシュの機械学習
Preferred Networks
AtCoder Regular Contest 045 解説
AtCoder Regular Contest 045 解説
AtCoder Inc.
AtCoder Regular Contest 045 解説
AtCoder Regular Contest 049 解説
AtCoder Regular Contest 049 解説
AtCoder Inc.
AtCoder Regular Contest 049 解説
purely functional data structures 5.3 日本語での説明
purely functional data structures 5.3 日本語での説明
Tetsuro Nagae
purely functional data structures 5.3節の内容を日本語で説明します。
diff template library
diff template library
Daisuke Nikura
Prml7.5.1
Prml7.5.1
Daiki Tsukahara
PRML勉強会用の資料
CV勉強会@関東 3巻3章4節 画像表現
CV勉強会@関東 3巻3章4節 画像表現
Yusuke Uchida
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
WEBFARMER. ltd.
This slideshare introduce to the literature 'Multimodal Deep Learning for Robust RGB-D Object Recognition'. You can easily understand it.
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
AtCoder Inc.
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
DP特集
DP特集
Dai Hamada
プログラミングコンテスト勉強会での発表スライド。2012年国内予選出場者向けの、グラフとDPを用いて解く問題の解説
ICASSP読み会2020
ICASSP読み会2020
Yuki Saito
https://connpass.com/event/176798/
Saito18sp03
Saito18sp03
Yuki Saito
3月SP研究会
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
Naoya Chiba
第5回3D勉強会@関東 論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
Deep Learning JP
2020/10/23 Deep Learning JP: http://deeplearning.jp/seminar-2/
Provable Security4
Provable Security4
Satoshi Hada
大学での暗号の講義(その4) 2008-2010
Abstractive Text Summarization @Retrieva seminar
Abstractive Text Summarization @Retrieva seminar
Kodaira Tomonori
タイトル:Abstractive Text Summarization 発表者: 小平 知範 5/17レトリバセミナー https://www.youtube.com/watch?v=EpboJPrFKR4
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
Takao Yamanaka
文献紹介です。
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
Shunsuke Ono
夏のトップカンファレンス論文読み会(2017/09/18)での発表資料です。 - connpass: https://abeja-innovation-meetup.connpass.com/event/63466/ 画像のエンコードによる部位検出と部位関連度推定による, 複数人の体の部位のリアルタイム検出.
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
Akira Nakagawa
富士通 人工知能研究所の中川です。 我々は、画像符号化などで活用されている情報通信理論を起点として、VAEなどの生成的AIモデルの定量的な特徴の理論解析に世界で初めて成功しました。 この理論を活用することで、従来の深層学習では困難だったデータの定量的な処理・分析が可能となります。 これらの研究成果は、AI分野のトップカンファレンスの一つ ICML 2020/2021で採択されています。 今回、これらの研究成果を、映像符号化&処理分野で長い歴史のあるシンポジウム PCSJ / IMPS 2021で講演させていただく機会を頂きました。本講演では、今回の研究成果の背景となる情報通信理論、特にレート歪理論と生成的AIを基礎から解説し、そして我々が導いた理論とその有用性を説明します。 講演の概要は下記の通りです。 ==================== 本発表では、動画像符号化の基礎となる情報通信理論とVAE等の生成的AIモデルの密接な関連性を説明し、今後の研究の方向性について議論する。 深層画像圧縮はSSIMなどの任意の距離尺度で、従来の変換符号化を超える高い性能を実現することが可能である。また、生成的AIモデルの一つであるVAEはサンプリング等などで幅広く用いられている。その一方で、深層画像圧縮やVAE等は、その定量的な理論解析が進んでいない。我々はレート歪理論と微分幾何学の枠組みを用いることで、深層画像圧縮及びVAEが同一の枠組みで説明できることを証明した。任意の分布をもつデータに対し、任意の距離尺度でレート歪最適化により獲得された潜在変数空間が、その距離尺度に対応した計量空間に対して等長の関係(正規直交性が全空間に滑らかにつながった状態)となり、かつ計量空間における潜在変数のエントロピーは最小となる。すなわち、従来はガウス分布とL2距離で定式化されていたレート歪理論の、任意の分布・距離に対する拡張である。この結果により、情報通信理論と微分幾何の観点から、モデルが獲得した潜在変数と元データの定量的な関係が導きだせ、各潜在変数の重要度や元データの確率分布推定などの定量解析が可能となる。 そして、最後に、1980年代に情報通信の方向性として提唱された「知的通信・符号化」と本理論に基づく生成的AIの関係性の観点から、今後のAI研究の方向性を議論する。
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
Deep Learning JP
2018/11/30 Deep Learning JP: http://deeplearning.jp/seminar-2/
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Yoshitaka Ushiku
言葉で道案内を受けたら人間は目的地まで辿り着ける(ことが多い)ですが、現在のロボット(いわゆる人工知能)だとどうか。 CVとNLPとRoboticsの交点が広がりつつあるので読みました。
【DL輪読会】Monocular real time volumetric performance capture
【DL輪読会】Monocular real time volumetric performance capture
Deep Learning JP
2021/03/26 Deep Learning JP: http://deeplearning.jp/seminar-2/
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
2019年3月のJOI春合宿で行った講義のスライドです
20170806 Discriminative Optimization
20170806 Discriminative Optimization
Takuya Minagawa
2017/08/06に開催した第41回コンピュータビジョン勉強会@関東「CVPR2017読み会(前編)」資料です。
『データ解析におけるプライバシー保護』勉強会 秘密計算
『データ解析におけるプライバシー保護』勉強会 秘密計算
MITSUNARI Shigeo
10章以降
Deep nlp 4.2-4.3_0309
Deep nlp 4.2-4.3_0309
cfiken
深層学習による自然言語処理 4.2-4.3 誤って古いファイルをあげてしまっていたため、参考文献の下3つに情報が漏れてるのと、そのあとに余分なスライドが載っちゃっています 🙇♂️
ICCV 2019 論文紹介 (26 papers)
ICCV 2019 論文紹介 (26 papers)
Hideki Okada
2019/10/27〜2019/11/2に韓国ソウルで開催されたコンピュータビジョン分野の世界最大級の国際会議ICCV2019に、DeNAのAI研究開発エンジニア7名(岡田英樹, 唐澤拓己, 木村元紀, 冉文昇, 築山将央, 本多浩大, 馬文鵬 )が参加しました。 今回、参加メンバーの専門性を活かした情報収集を現地で実施し、注目度の高い論文や有益性の高い論文、Automotiveに関連する論文等、26本について解説資料を作成しました。
赤外線センサーを使ったインタラクティブコンテンツ
赤外線センサーを使ったインタラクティブコンテンツ
Takehisa Ikeda
かごしまITフェスタ2014 KISAセミナー
More Related Content
What's hot
CV勉強会@関東 3巻3章4節 画像表現
CV勉強会@関東 3巻3章4節 画像表現
Yusuke Uchida
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
WEBFARMER. ltd.
This slideshare introduce to the literature 'Multimodal Deep Learning for Robust RGB-D Object Recognition'. You can easily understand it.
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
AtCoder Inc.
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
DP特集
DP特集
Dai Hamada
プログラミングコンテスト勉強会での発表スライド。2012年国内予選出場者向けの、グラフとDPを用いて解く問題の解説
ICASSP読み会2020
ICASSP読み会2020
Yuki Saito
https://connpass.com/event/176798/
Saito18sp03
Saito18sp03
Yuki Saito
3月SP研究会
What's hot
(6)
CV勉強会@関東 3巻3章4節 画像表現
CV勉強会@関東 3巻3章4節 画像表現
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
DP特集
DP特集
ICASSP読み会2020
ICASSP読み会2020
Saito18sp03
Saito18sp03
Similar to ABC 2016Spring 講演資料
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
Naoya Chiba
第5回3D勉強会@関東 論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
Deep Learning JP
2020/10/23 Deep Learning JP: http://deeplearning.jp/seminar-2/
Provable Security4
Provable Security4
Satoshi Hada
大学での暗号の講義(その4) 2008-2010
Abstractive Text Summarization @Retrieva seminar
Abstractive Text Summarization @Retrieva seminar
Kodaira Tomonori
タイトル:Abstractive Text Summarization 発表者: 小平 知範 5/17レトリバセミナー https://www.youtube.com/watch?v=EpboJPrFKR4
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
Takao Yamanaka
文献紹介です。
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
Shunsuke Ono
夏のトップカンファレンス論文読み会(2017/09/18)での発表資料です。 - connpass: https://abeja-innovation-meetup.connpass.com/event/63466/ 画像のエンコードによる部位検出と部位関連度推定による, 複数人の体の部位のリアルタイム検出.
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
Akira Nakagawa
富士通 人工知能研究所の中川です。 我々は、画像符号化などで活用されている情報通信理論を起点として、VAEなどの生成的AIモデルの定量的な特徴の理論解析に世界で初めて成功しました。 この理論を活用することで、従来の深層学習では困難だったデータの定量的な処理・分析が可能となります。 これらの研究成果は、AI分野のトップカンファレンスの一つ ICML 2020/2021で採択されています。 今回、これらの研究成果を、映像符号化&処理分野で長い歴史のあるシンポジウム PCSJ / IMPS 2021で講演させていただく機会を頂きました。本講演では、今回の研究成果の背景となる情報通信理論、特にレート歪理論と生成的AIを基礎から解説し、そして我々が導いた理論とその有用性を説明します。 講演の概要は下記の通りです。 ==================== 本発表では、動画像符号化の基礎となる情報通信理論とVAE等の生成的AIモデルの密接な関連性を説明し、今後の研究の方向性について議論する。 深層画像圧縮はSSIMなどの任意の距離尺度で、従来の変換符号化を超える高い性能を実現することが可能である。また、生成的AIモデルの一つであるVAEはサンプリング等などで幅広く用いられている。その一方で、深層画像圧縮やVAE等は、その定量的な理論解析が進んでいない。我々はレート歪理論と微分幾何学の枠組みを用いることで、深層画像圧縮及びVAEが同一の枠組みで説明できることを証明した。任意の分布をもつデータに対し、任意の距離尺度でレート歪最適化により獲得された潜在変数空間が、その距離尺度に対応した計量空間に対して等長の関係(正規直交性が全空間に滑らかにつながった状態)となり、かつ計量空間における潜在変数のエントロピーは最小となる。すなわち、従来はガウス分布とL2距離で定式化されていたレート歪理論の、任意の分布・距離に対する拡張である。この結果により、情報通信理論と微分幾何の観点から、モデルが獲得した潜在変数と元データの定量的な関係が導きだせ、各潜在変数の重要度や元データの確率分布推定などの定量解析が可能となる。 そして、最後に、1980年代に情報通信の方向性として提唱された「知的通信・符号化」と本理論に基づく生成的AIの関係性の観点から、今後のAI研究の方向性を議論する。
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
Deep Learning JP
2018/11/30 Deep Learning JP: http://deeplearning.jp/seminar-2/
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Yoshitaka Ushiku
言葉で道案内を受けたら人間は目的地まで辿り着ける(ことが多い)ですが、現在のロボット(いわゆる人工知能)だとどうか。 CVとNLPとRoboticsの交点が広がりつつあるので読みました。
【DL輪読会】Monocular real time volumetric performance capture
【DL輪読会】Monocular real time volumetric performance capture
Deep Learning JP
2021/03/26 Deep Learning JP: http://deeplearning.jp/seminar-2/
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
2019年3月のJOI春合宿で行った講義のスライドです
20170806 Discriminative Optimization
20170806 Discriminative Optimization
Takuya Minagawa
2017/08/06に開催した第41回コンピュータビジョン勉強会@関東「CVPR2017読み会(前編)」資料です。
『データ解析におけるプライバシー保護』勉強会 秘密計算
『データ解析におけるプライバシー保護』勉強会 秘密計算
MITSUNARI Shigeo
10章以降
Deep nlp 4.2-4.3_0309
Deep nlp 4.2-4.3_0309
cfiken
深層学習による自然言語処理 4.2-4.3 誤って古いファイルをあげてしまっていたため、参考文献の下3つに情報が漏れてるのと、そのあとに余分なスライドが載っちゃっています 🙇♂️
ICCV 2019 論文紹介 (26 papers)
ICCV 2019 論文紹介 (26 papers)
Hideki Okada
2019/10/27〜2019/11/2に韓国ソウルで開催されたコンピュータビジョン分野の世界最大級の国際会議ICCV2019に、DeNAのAI研究開発エンジニア7名(岡田英樹, 唐澤拓己, 木村元紀, 冉文昇, 築山将央, 本多浩大, 馬文鵬 )が参加しました。 今回、参加メンバーの専門性を活かした情報収集を現地で実施し、注目度の高い論文や有益性の高い論文、Automotiveに関連する論文等、26本について解説資料を作成しました。
赤外線センサーを使ったインタラクティブコンテンツ
赤外線センサーを使ったインタラクティブコンテンツ
Takehisa Ikeda
かごしまITフェスタ2014 KISAセミナー
Similar to ABC 2016Spring 講演資料
(16)
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
Provable Security4
Provable Security4
Abstractive Text Summarization @Retrieva seminar
Abstractive Text Summarization @Retrieva seminar
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
【DL輪読会】Monocular real time volumetric performance capture
【DL輪読会】Monocular real time volumetric performance capture
充足可能性問題のいろいろ
充足可能性問題のいろいろ
20170806 Discriminative Optimization
20170806 Discriminative Optimization
『データ解析におけるプライバシー保護』勉強会 秘密計算
『データ解析におけるプライバシー保護』勉強会 秘密計算
Deep nlp 4.2-4.3_0309
Deep nlp 4.2-4.3_0309
ICCV 2019 論文紹介 (26 papers)
ICCV 2019 論文紹介 (26 papers)
赤外線センサーを使ったインタラクティブコンテンツ
赤外線センサーを使ったインタラクティブコンテンツ
More from Kensuke Onishi
Androidで学ぶ
Androidで学ぶ
Kensuke Onishi
Androidアプリを, 物理学実験、データ構造とアルゴリズムの授業で使った効果について
20161119ABC_LT
20161119ABC_LT
Kensuke Onishi
ABC 2016 Autumn の LTで使ったスライドです。
展開図
展開図
Kensuke Onishi
2015/7/31 - 7/5 に’おこなわれた学園オリンピックの講演資料です。導入です。
正多面体と展開図
正多面体と展開図
Kensuke Onishi
2015/7/31 - 7/5 に’おこなわれた学園オリンピックの講演資料です。2つ目です。
2つ以上の箱の作れる展開図
2つ以上の箱の作れる展開図
Kensuke Onishi
2015/7/31 - 7/5 に’おこなわれた学園オリンピックの講演資料です。2つ目です。
ABC2015 Summer LT
ABC2015 Summer LT
Kensuke Onishi
2015/7/20に開催されたABC2015SummerのLTのための資料です。
Comp geom20131107open
Comp geom20131107open
Kensuke Onishi
More from Kensuke Onishi
(7)
Androidで学ぶ
Androidで学ぶ
20161119ABC_LT
20161119ABC_LT
展開図
展開図
正多面体と展開図
正多面体と展開図
2つ以上の箱の作れる展開図
2つ以上の箱の作れる展開図
ABC2015 Summer LT
ABC2015 Summer LT
Comp geom20131107open
Comp geom20131107open
ABC 2016Spring 講演資料
1.
ビーコンはこう置いて みては? 東海大学理学部 大西 建輔 (石川 登美雄君との共同研究)
2.
自己紹介 • 大西建輔 (KensukeOnishi@gmail.com
) • 東海大学准教授(情報系でもあり、数学系) • 普段はプログラミングや数学教えてます • Androidとの付き合いは, GDD2009でGDDPhoneを 貰ってから • ABC参加は, 2011 Winterから, 2013 AutumnからABC実行委員も
3.
ビーコンとは? • BLE(Bluetooth Low
Energy)はBluetooth の規格 • BLE規格のビーコン(Beacon)と呼ばれる発信器あり • 低電圧(Low Energy) ⇒ ボタン電池1つで1年程度 • ビーコンのIDを発信(IDの変更も可能) ⇒ 電波強度とIDを受信可能 • iOS, Android(4.3以降)でサポート ⇒ ビーコンを探知できるアプリを作成可能
4.
研究動機 BLE設置の現場では • ビーコンを設置, 計測の繰り返し ⇒
時間と手間が必要, 高コストの原因 • ビーコンの位置を決める手法を提案 ⇒ あらかじめ幾つかのパターンを作成 ⇒ 現地での調整 [本研究] 領域R , 正整数k が与えられる ⇒ R内で k個のビーコンの位置を決定 ビーコン 3K 設置10K以上 ビーコンの 数の削減も
5.
k-means method (Lloyd
1982) 点集合P を k個のクラスタに分割する方法 ⇒ k 個の母点を決め, P をそれぞれの母点に近い点集合 Pi に分割 入力: 点集合P ; 出力 : クラスタ Pi (i = 1,2, …, k) ; 1. 母点 SP ={sp1, …, spk} を適当に決定; 2. Pi = {spi に近い点の集合} を計算; 3. spi = p / | Pi | ただし, p Pi ; # 重心を計算 4. が前の値より小さい⇒Step 2 に戻る; 5. Pi (i = 1,2, …, k)を返す; 𝜑 𝑃 = 𝑖=1 𝑘 𝑝∈𝑃 𝑖 𝑑(𝑝, 𝑝𝑖)2
6.
k-means method 実行例(n=5000)
7.
k-means method 実行例 (n=5000,
k=10)
8.
k-means method 実行例 (n=5000,
k=10)
9.
目的関数値: 40462.361962646 k-means method
実行例 (n=5000, k=10)
10.
k-means methodの特徴 • かなり高速に計算可能 (繰り返し回数は少ない) •
結果は, 初期値に依存 ⇒ 幾つかの初期値を試し, 最もよい物を選択 • 初期値を上手に選ぶ • k-means++ method
11.
k-means++ method (Arthur et.al
SoDA 2007) • k平均法で, 初期点の取り方を工夫 • 最初の1点はランダムに • d(spi , p)2 / d(spi , p)2 の確率で, 次の点を選択 spi : p に最も近い初期点 • 必要な k点ができれば, k-means methodを適用 k-means++ methodでは, O(log k) 競合比を達成 ⇒ 必ず最適な値の O(log k)倍で抑えられる (理論的な保証) 母点から遠い点 が選ばれる確率 が高い
12.
k-means++ method 実行例 (n=5000,
k=10)
13.
k-means++ method 実行例 (n=5000,
k=10)
14.
k-means++ method 実行例 (n=5000,
k=10) 目的関数値:40209.7234844853
15.
今回は, ビーコンの配置 • 入力は点集合ではなく,
領域 R ⇒ 領域内の点をランダムに生成 (人が入れない場所には, 点を生成しない) • 生成された点集合に対し, k-means (ランダム初期点) または. k-means++ method を適用 ⇒ クラスタが出力 ⇒ 各クラスタの重心を計算し, ビーコン位置に
16.
点集合の生成 (n =
7000)
17.
k-means method の適用
18.
k-means method の適用
19.
計算機実験 • k-means method(ランダムに初期点を選択)と k-means++
methodを実装 • n =1000, 2000, …, 10000に対し, それぞれ10種類の点集合を生成 • 全ての点集合に対し, k-means と k-means++ methodを適用 [取得データ] • 計算時間 • 収束までの繰り返し回数, • 目的関数値, • 正規化目的関数値(点数での正規化)
20.
計算時間 (ランダム, k-means++, 平均) 0 100 200 300 400 500 600 0
2000 4000 6000 8000 10000 Computation time (SP) Random k-means++ (ms) (# points)
21.
計算時間(k-means method, 平均) 0 500 1000 1500 2000 2500 3000 3500 4000 0
2000 4000 6000 8000 10000 Computaion time (k-means) Random k-means++ (ms) (#points)
22.
繰り返し回数(平均) 0 5 10 15 20 25 30 0 2000 4000
6000 8000 10000 Number of Repeat (average) Random k-means++ (# points) (# times)
23.
目的関数値(平均と最小) 49500 50000 50500 51000 51500 52000 52500 53000 53500 54000 0 2000 4000
6000 8000 10000 Value of Objective function (min and averages) Random k-means++ min (# points)
24.
実領域への適用(以前の配置)
25.
実領域への適用(新しい配置)
26.
実環境での精度の違い 0.000 0.100 0.200 0.300 0.400 0.500 0.600 0.700 0.800 0.900 1.000 1次 2次 3次 7F(after)
7F(before)
27.
まとめ 領域 Rでの k個のビーコン配置の手法の提案 •
Rでの点のランダム生成 • k-means method or k-means++ methodを適用 • 出力クラスタから重心を計算し、ビーコン位置に • 計算時間は早い 10000点, k=5で4秒程度 • 性能向上はそこそこ 今後の予定 • ビーコンの個数 kの決定 .…. なんとかなりそう • 距離計算の厳密化 • 実際のビーコン配置の現場へ
Download now