Slide 4
Slide 4 text
4
正準相関分析への応用は主成分分析より主成分分析への応用より優れている?優れている?れている変数選択法?
赤穂昭太郎, 正準相関分析への応用入門
日の講演内容につ本神経回路学会誌 Vol. 20, No. 2(2013),62–72
「主成分分析への応用
主成分分析への応用でダウンロード可は主成分分析より『観測信号観測信号=信号(u(t))が最大になるよ+ノイズ(s
1
(t) , s
2
(t))が最大になるよ』と
考ええ, 信号を用いた教師無し取り出すときにり優れている?出しました。すときに, 「信号=パワーの一細胞 大きい成分,ノイズ=
パワーの一細胞 小さい成分」といさい成分」という仮説のもとの一細胞 もと,パワーの一細胞 大きい成分を用いた教師無し取り出すときに
り優れている?出しました。す.た教師無し学習にだし学習による変数,それを用いた教師無し上のデータに適用の一細胞 データに適用してしまに適用いた教師無し学し学習による変数てし学習による変数まうと, s
1
(t) や s
2
(t) が
抽出しました。され,埋もれている もれている変数選択法 u(t) の一細胞 成分は主成分分析より抽出しました。されない.
一方,正準相関分析への応用
正準相関分析への応用でダウンロード可は主成分分析より『観測信号観測信号=独自信号+共通信号+ノイ
ズ』の一細胞 ように考ええ,独自信号を用いた教師無し除いて共通信号だいて共通信号だけを用いた教師無し抽出しました。し学習による変数ようと
する変数選択法た教師無し学習にめ,うまく u(t) が抽出しました。された教師無し学習にというわけでダウンロード可ある変数選択法.」
正準相関分析への応用 > 主成分分析への応用?