Thresholding Approach for Low-Rank Correlation Matrix based on MM algorithm

われわれの研究室からの新しいpre-printです。

相関行列の特徴を解釈する上で、低ランク近似をしたくなりますが、場合によっては、対応する元の値がゼロに近い値であっても、
ゼロから遠い推定値になる場合があり困ります。
その問題に対応する 疎な低ランク相関行列を推定する新しいアプローチを 提案しています。
biorxiv

Low-Rank Approximation of Difference between Correlation Matrices Using Inner Product

日和先生 谷岡先生の共著論文が公開されました。
Low-Rank Approximation of Difference between Correlation Matrices Using Inner Product

人間関係や、脳機能ネットワーク、などなど、マトリクスに変換できる問題はたくさんあります。
しかし、そのマトリクスが巨大になると、どの要素に注目すればよいのかわかりません。

この論文では、大規模マトリクスを想定し、次元の削減を行いながら要素のクラスタリングを行う手法の提案をしています。

これにより、どの要素が重要で、かつ、どんなクラスタに分かれるかが同時にわかります。

Demarcation line determination for diagnosis of gastric cancer disease range using unsupervised machine learning in magnifying narrow-band imaging

https://www.medrxiv.org/content/10.1101/2020.11.03.20189472v1

医用画像では、教師あり学習では以下に精度の高い教師データを用意することが問題になります。この問題は簡単には解決できない問題です。そのため、教師なし学習の適用が非常に重要です。

内視鏡画像に対する、教師なし学習手法の渾身の研究です。