読者です 読者をやめる 読者になる 読者になる

設計によるセレンディピティ

"The best way to predict the future is to invent it. " ∧ "The future is here. It's just not evenly distributed yet."

sparse modeling スパースモデリング

math

{ \displaystyle
E(x)  =  \parallel  y - Ax  \parallel  ^{2} + \lambda \sum_{i} |x|
}

少ない情報から全体像を的確にあぶり出したり,
複雑な事がらをスパースにすることで本質を浮かび上がらせるモデル


{ \displaystyle
E(x)
} 左辺のxが求めたい答え

{ \displaystyle
 \parallel  y - Ax  \parallel  ^{2}
} yが数少ない観測データ.その答えがここのx.  

しかし,少ない観測データだけでは答えが1つに決まらない

そこで { \displaystyle
 \lambda \sum_{i} |x|
 } で答えの候補を絞る

いろんな答えの候補の中から,「まばらなもの」や「1番スカスカなもの」を選ぶ

解の候補を出すことと,そこから解を絞ること.
それを繰り返しながら両方の条件(命令)をうまくバランスさせることが重要

sparse

「すかすか」「少ない」という意味


sparse modelingを使い,MRIの撮影時間を3分の1に短縮したり,過去の津波到達範囲の判別につながる方法を開発.
さらにはブラックホールの正体にも迫ろうとしている.

ビッグデータから知りたい情報を探す必要がある.
知りたい情報はビッグデータに比べればスパースなはずだ.

脳が使っている情報処理を色んな観測機に使えばうまくいくのでは?という発想.

http://www.nhk.or.jp/zero/contents/dsp514.html

http://sparse-modeling.jp

http://mns.k.u-tokyo.ac.jp/index.php?%A5%B9%A5%D1%A1%BC%A5%B9%A5%E2%A5%C7%A5%EA%A5%F3%A5%B0

普段の生活の中でも本質を抽出することに使えると思う.