[1Win4] ポスターセッション1

[1Win4-02] 深層学習における多様体仮説の検証と次元削減手法の評価

〇小端 千佳¹、神野 健哉¹ (1.東京都市大学)

キーワード：多様体仮説、自己符号化、主成分分析

本研究では、多様体仮説に基づき、ディープラーニングにおける次元削減手法の有効性を検討する。高次元データの潜在構造を解析するために、主成分分析（PCA）およびオートエンコーダを適用し、分類性能に基づいた最適な次元数の選択基準を評価した。MNISTデータセットを用いた実験から、MNISTの特徴は17次元程度の空間で十分に表現可能であり、適切な次元削減によりデータの効率的な表現が可能であることが示唆された。今後の研究では、より複雑なデータセットを用いた検証を進めるとともに、MFTMAなどの次元推定手法と比較し、一般的な次元選択基準の確立を目指す。