情報理論を応用したSOMによるメディアミックス作品と原作の作品分析

全文

(1)Vol.2010-CH-87 No.5 2010/7/31. 情報処理学会研究報告 IPSJ SIG Technical Report. 1. はじめに. 情報理論を応用した SOM によるメディアミックス作品と原作の作品分析浅水悠子†. 1.1 自己組織化マップとは. ニューラル・ネットワークは，多くの実用的な問題に応用されている．なぜなら，従来の統計学の手法では応用できなかった複雑な問題を分析することができるからである．しかしながら，ニューラル・ネットワークの主要な問題の一つは，最終的なネットワークを解釈するのが難しいことにある．これは，どのようにしてニューラル・ネットワークは問題を解決しているかを説明できないことを意味する．この困難を克服するために，多くの試みが行われている．例えば，自己組織化マップ（以下，SOM）は，最終的なネットワークを解釈する主要なアプローチの一つと考えることができる．SOM[1][2][3]は，高次元データのクラスタリングとデータマイニングを行う為に開発されているが，SOM の主要な技術貢献は，高次元のデータを低次元の面において可視化した点である[4][5][6][7][8][9]．すなわち，従来の SOM の主な貢献は，可視化技術によって，分析結果の解釈をわかりやすくしたことにある． 1.2 情報理論を用いた方法しかし，最終的なネットワークの可視化においては，従来の SOM に対して開発された可視化技術は必ずしも有効であるとは限らない．主要な問題のひとつとして，ネットワークサイズを変えた時に，最終的なネットワーク構成が大きく変わってしまうことが挙げられる．これまでにも，マップサイズを決定する為のいくつかの方法が提案されているが，それらは複雑な問題に必ずしも適切に適用できるとは限らない．より柔軟に SOM を利用する為に，ここに情報理論の方法を使用した最終的なネットワークを制御する方法を提案する．情報理論の方法は，高次元の統計値と非線形データを扱うことができ[10]，多くの学習原理をニューラル・ネットワークに提供してきた[11][12][13][14]．しかし，方法の問題のひとつに，計算の複雑さがある．そして，この問題を解決するために，多くの方法が開発されている[15][16][17][18][19]．これら情報理論の方法が，分析対象の問題の解釈に使用されたことはないが，ネットワーク構成が簡素化される為，情報理論の方法がネットワーク構成を解釈するのに，より適していることが明らかになってきている．主な長所として，競合ユニット出力を表す相互情報量を使用するとき，パラメータの変更だけで，相互情報量を簡単に増加，または減尐させることができるという点がある．これは，相互情報量を増減させる為には，パラメータ値を変えるだけでよいことを意味する．故に，従来の方法では，相互情報量は計算コストがかかり，そ. 上村龍太郎††. 本論文では，入力パターンの分類方法として，情報理論に基づく新しい手法を提案する．分類と可視化の方法は，入力パターンと競争ユニット間の相互情報量に基づいている．この相互情報量は，パラメータを制御することによって，変更することができる．これは，パラメータ値の設定によって，異なる最終的な結果を得ることができることを意味する．実験結果から，マップサイズが大きい場合においても，明確に分類することができることが明らかになった．また一方で，応用事例として，原作とそのメディアミックス作品の分析を行った．それまで原作とメディアミックス作品との間には，漠然とした「違い」と「類似」を見ることができていたが，それらを分析することができなかった．本手法を用いることによって，メディアミックス作品同士の関係を明らかにし，個々の作品を評価することができた．. Analysis of Original Works and Media-Mix Works by Information-Theoretic Approach Yuko Asamizu†. and. Ryotaro Kamimura††. In this paper, we propose a new information-theoretic method to classify input patterns. The procedures of classification and visualization are based upon mutual information between input patterns and competitive units. This mutual information can be changed by controlling the spread parameter inside the mutual information. This means that different final results can be obtained, depending upon chosen values of the parameter. The choice of the final results is dependent upon different targets. We applied the information-theoretic method to the classification of Jules Verne’s works. The experimental results confirmed that the information-theoretic method classified the works clearly. Even if the map size is excessive large, the clear and interpretable classification was possible.. †. 1. 東海大学大学院工学研究科情報理工学専攻 Graduate Program of Computer Sciences, Tokai University †† 東海大学情報教育センター IT Education Center Tokai University. ⓒ 2010 Information Processing Society of Japan.

(2) Vol.2010-CH-87 No.5 2010/7/31. 情報処理学会研究報告 IPSJ SIG Technical Report. の制御に多くの時間を必要としたが，本方法であれば，計算を行わずに相互情報量を制御できる可能性がある．また，ネットワークに含まれる情報を，容易に制御することも可能である．従って，分析対象に応じて，様々なネットワークを生成することができる．この柔軟性は，情報理論の方法を使用する長所のひとつである． 1.3 メディアミックス作品と原作の作品分析前述の手法の有効的な応用として，メディアミックス作品とその原作作品との類似性の分析を行う．ここでいうメディアミックス作品とは，ある作品（原作）を，映像化するなど別の媒体で表現したものをいう．本研究では，ジュール・ヴェルヌの作品を研究対象とする．メディアミックス作品の代表として，映画化が挙げられる．ジュール・ヴェルヌの小説作品は，映画黎明期より映像化されているが，原作の内容と比較すると，必ずしも原作に忠実であるとは言い難い[20]．しかし，その原作に対する「違い」や「類似」の感覚は，人によって異なるものの，「何が違い，何が類似しているのか」ということは漠然とした感想に留まっている．そこで，本論では，ジュール・ヴェルヌの作品のうち，メディアミックス化が多く，かつ現在でもそれらの作品を入手しやすい『地球の中心への旅』（Voyage au centre de la Terre [1864 年]）を対象作品として扱い，メディアミックス作品同士の位置づけに対し分析を行う． 1.4 本論文の構成セクション 2 では，競合ユニットと入力パターン間の相互情報量の意味について簡潔に説明した後，SOM と情報理論の方法の基本的な学習手順を提示する．セクション 3 では，原作小説とそのメディアミックス作品の分析を行い，その結果を提示する．そこで，SOM のマップサイズを拡大しても，情報理論の方法では，安定した最終的結果を得ることができることを明らかにする．セクション 4 では，セクション 3 で得られた結果をもとに，『地球の中心への旅』の原作とメディアミックス作品との分析を行い，それぞれの作品の特徴を明らかにしていく．. これは，競合ユニットのより尐ない数において発火させる傾向にあることを意味している．従って，入力パターンの意味を理解する為に，相互情報量を変えることによって，競合ユニットの活性化パターンを調べることができる．. 2. 理論と競合メソッド 2.1 情報制御. 本アプローチは，競合ユニットと入力パターン間での，競合ユニット活性化関数におけるパラメータの変更に基づいている．一般的に，パラメータが減尐するに伴い，競合ユニットと入力パターン間の相互情報量は増加される．この特性によって，条件付き確率の膨大な計算を必要とする学習を行わずに，相互情報量を増加させることが可能となる．具体的には，パラメータが減尐するとき，入力パターンについての競合ユニットの持つ情報量は減尐する．図 1 は，競合学習に対し，本理論の手法を応用したものを示している．拡散パラメータが(b)から(d)と減尐するとき，相互情報量は増加されている．. 図 1. パラメータと相互情報量の概念. 2.2 理論と相互情報量. 以下に，相互情報量の計算方法を説明する．j 番目の競合ユニットは入力ユニットから入力値を受け取る．そして，j 番目の競合ユニットから，出力値は次式によって 2. ⓒ 2010 Information Processing Society of Japan.

(3) Vol.2010-CH-87 No.5 2010/7/31. 情報処理学会研究報告 IPSJ SIG Technical Report. 計算される．. 2.3 競合メソッド. 結果をわかりやすくするために，次式で定義される相対的な情報を使用する． 1 υsj ∝ exp − 𝐗 s − 𝐖j 2. −1. T. 𝐗 s − 𝐖j. 𝐼nrm =. Xs と Wj は，L 次元ベクトルの同じ型の入力値とウェイトを表している．L×L 行列Σ は，「スケーリング・マトリクス」と呼ぶ．行列[Σ]kl の，kl 番目の要素は，次式で求められる． [∑]kl = σkl. 𝐼 𝐼𝑚𝑎𝑥. ここで，Imax は，最大可能情報量を示す．相互情報量は，競合ユニットと入力パターンの平均値を表すため，ここの競合ユニットの活動を見ることができない．そこで，競合ユニットの個々の動きを見るために，次式で定義される条件付き相互情報量を導入した．. σ2 p k. S. 𝐼j =. 確率 p(k)は，k 番目の入力ユニットの発火確率を表し，本論文では，p(k)=1/L とする．コネクション・ウェイトが入力パターンに近づくと，出力値は増加される．j 番目の競合ユニットの発火条件付き確率は，次式で得ることができる．. S=1. 3. メディアミックス作品と原作の作品分析への応用Ｉ. M は，競合ユニットの数を表す．j 番目の競合ユニットの発火確率は，次式によって計算される．. 本手法の応用事例として，ジュール・ヴェルヌの著作『地球の中心への旅』とそのメディアミックス作品の分析結果を提示する．最初に，パラメータを制御するとどのようなマップが生成される分析する．次に，実際の作品分析をおこなっていく．本研究の最終結果をわかりやすく再現する為に，ヴェサントらによって開発された SOM ツールボックスを使用する[24]．SOM では，可視化において，リアルタイム方式よりも優れた性能を示すバッチ方式を採用している．ウェイトは，データの共分散行列の最大固有ベクトルを使用して，初期化している．情報理論による手法の性能を実証をわかりやすくするにあたり，出力スペースにおいて，過剰な数の競合ユニットを使用した． 3.1 ネットワークサイズが 5×5 の場合図 2 は，マップサイズ 5×5 のパラメータσの関数として相互情報量を表している．図にみられるように，パラメータσが増加するに従い，相互情報量は最終的にゼロに近い値をとるようになる．図 3 は，従来の SOM による結果(a)と情報理論の方法を使用した結果(b)-(f)を U-マトリクスで示したものである．これらの図の見方として，入力パターンを分類する上での境界線となる競合ユニットの色は，従来の SOM を使用. S. p s p js S=1. S は，入力パターンの数である．この確率によって，競合ユニットと入力パターン間の相互情報量を，次式によって求めることができる． S. M. 𝛪=. p s p j s log s=1 j=1. p js = p j. S. M. p j, s log s=1 j=1. p js p j. この条件付き情報は，平均相互情報量よりも一般的ではないが，多くの問題解決に有用であることが分かっている[21][22][23]．. T 1 exp − 𝐗 s − 𝐖j ∑−1 𝐗 s − 𝐖j 2 p js = 1 s T ∑−1 𝐗 s − 𝐖 ∑M m m=1 exp − 2 𝐗 − 𝐖m. p j =. p j, s log. p js p j. 相互情報量が最大化されるとき，ひとつの競合ユニットが発火する．他の競合ユニットは，図 1(d)に示されるように，発火しない． 3. ⓒ 2010 Information Processing Society of Japan.

(4) Vol.2010-CH-87 No.5 2010/7/31. 情報処理学会研究報告 IPSJ SIG Technical Report. したもの（図 2(a)）は，より暖色になるほど境界線が深くなり，情報理論を使用したもの（図 2(b)-(f)）は，より寒色になるほど境界線が深くなるという，前提がある．従来の SOM（図 2(a)）では，マップ中央の暖色の境界線によって，入力パターンを 2 つのグループに分けている．情報理論の方法を使用した場合では，パラメータσが 0.1 （図 2(b)）のとき，すべての入力パターンは，低い相互情報量のユニットによって，寒色でほとんど個別に分類される．パラメータσを 0.2（図 2(c)）にすると，入力パターンを分割する境界線が現れ始め，パラメータσを 0.3（図 2(d)）にすると，マップの中央に境界線が現れ，入力パターンを従来の SOM 同様に 2 分する．. 図 3. マップサイズ. 5×5. 3.2 ネットワークサイズが 10×10 の場合. 図 2. 次に，図 4 に示した通り，マップサイズを 5×5 から，10×10 に増やした．それぞれの U-マトリクスは，(a)が，従来の SOM による結果で，(b)-(f)が情報理論の方法を使用した結果である．ここでは，競合ユニットの数が大きく増えたため，従来の方法では，図 5(a)に示されるように，ひとつの入力パターンを表す競合ユニットが，それぞれ境界線を表す競合ユニットに囲まれてしまっている．これは，それぞれの入力パターンが独立して存在していることを示しており，マップからグループを分けることが難しいことがわかる．一方，情報理論を使用した方法では，パラメータσが 0.1（図 4(b)）のときこそ，従来の SOM の U-マトリクス（図 5(a)）に近い状態だが，パラメータの数値を増加させることにより，ここの入力パターンを囲む寒色の境界線は徐々に見られなくなる．そして，図 4(e)と(f)に見られるように，パラメータσが 0.4 以上であれば，パラメータ値がそれ以上増えても，条件付き相互情報量の出力パターンは同じであることがわかる．. 相互情報量とパラメータσ. 4. ⓒ 2010 Information Processing Society of Japan.

(5) Vol.2010-CH-87 No.5 2010/7/31. 情報処理学会研究報告 IPSJ SIG Technical Report. 第二に，相互情報量の制御効果は，クラス構造の柔軟な抽出に関連している．パラメータの値が小さいとき，相互情報量は大きくなり，U-マトリクス上に多くの明確な境界線が現れる．これは，ここの入力パターンが，別々に条件付き相互情報量のマップ上にプロットされることを意味している．従って，相互情報量がより大きければ，より細かいクラスの境界を得ることができる．他方，パラメータ値が増加されるにつれ，対応する相互情報量は減尐していき，詳細なクラス境界線は徐々に見えなくなる．そして，より大きなクラスが現れる．また，パラメータが増加するにつれ，条件付き相互情報量の出力マップを安定させていく．これは，条件付き相互情報量の安定したマップが，入力パターンの全体的な特徴を示していることを意味する．. 図 4. マップサイズ. 10×10. 3.3 ネットワークサイズが 15×15 の場合. さらに，図 5 では，マップサイズを 15×15 に増加させて，同様の実験を行った．従来の SOM の場合（図 5(a)）は，個別の入力ユニットを示す競合ユニットが，より暖色の競合ユニットに囲まれていることがはっきりと見て取れる．しかし，情報理論を使用した方法の場合は，パラメータ値の増加によって，入力ユニットを示す競合ユニットを個々に区分する，より寒色の境界線が拡散していく（図 5(b)-(f)）．そして，パラメータσの値が 0.4 のとき（図 5(e)）と，1.0 のとき（図 5(f)）の U-マトリクスは同じであり，条件付き相互情報量が同様であることを示している． 3.4 相互情報量量とマップこれらの実験結果から，2 つのことが言える．すなわち，相互情報量の柔軟な制御とクラス構造の柔軟な抽出である．まず初めに，実験結果は，相互情報量がパラメータσを変えることによって制御されることを示した．図 2 では，パラメータが増加されるに従い，相互情報量が徐々に減尐することを明確に見ることができる．これは，大量の計算を伴うとき，相互情報量値を計算せずに，容易に相互情報量を制御できることを意味する．. 図 5. マップサイズ. 15×15. 4. メディアミックス作品と原作の作品分析 II 本章では，セクション 3 で得られた結果を応用し，『地球の中心への旅』とそのメディアミックス作品の分析を行う．分析にあたり，SOM のマップサイズは 10×10 のものを，パラメータσが 0.4 のものを使用した．. 5. ⓒ 2010 Information Processing Society of Japan.

(6) Vol.2010-CH-87 No.5 2010/7/31. 情報処理学会研究報告 IPSJ SIG Technical Report 4.1 データ作成方法. の旅』の愛読者であることから，物語に脚色を加えず，原作に忠実に物語を，彼の最も得意とする分野―音楽によって再現したと考えられる．また，原作の場面をそれぞれ音楽で歌いあげていくという構成では，小説や映画のよう登場人物の細かい動きを継続して描写していく必要性が無くなる．従って，原作から物語を構成するのに必要最低限のエピソードだけが抜粋される．故に，本作品の物語構造は，『地球の中心への旅』を構成する最も単純な物語構成を持つことになり，全体の中心に据えられたのだと解釈することができる．第二に着目したい点は，原作の対角線上に『地底戦車サイクロトラム』が位置することである．本マップでは，距離が遠いものほど関連性が薄いことを表している．つまり，原作の対極に位置している『地底戦車サイクロトラム』は，『地球の中心への旅』の映像化作品ではあるものの，最も原作との類似が尐ないことを意味している．実際，『地底戦車サイクロトラム』の制作当時，原作である『地球の中心への旅』の版権を所有していなかったため，「映像化作品」としているものの原作の内容を大幅に変える必要があったという背景がある．今回の分析では，その結果が反映されていると考えることができる．ここで，各作品の配置をマップ全体から捉えることで，どのように分類されているかを改めて確認したい．今回の分析結果では，横軸は脱出方法，縦軸は物語の時代設定が 19 世紀（原作と同年代）か否か，という観点で分類していると解釈することができる．実際に，横軸の最も左手に並ぶ 3 作品（項番 1，7，8）は，地底からの脱出方法に，他の作品が原作と同じ火山を使用するなかで，水を使用している（ただし，『地底帝国の謎』，『センター・オブ・ジ・アースワールド・エンド』は火山，水以外の方法で脱出をしている）．また，縦軸においては，真ん中を境に，原作と同じ 19 世紀を舞台としている作品（項番 3，8，2，4，7）と，制作当時乃至近未来を舞台としている作品（項番 6，5，1，10，9）で分類されていることがわかる．続いて，競合ユニットが暖色の部分，すなわち他の作品と深い境界を持つ作品についてみていきたい．前述した通り，情報が含まれていない部分が濃い寒色になるため，逆に情報が多く含まれている部分は濃い暖色になる．共通しない情報が多く含まれているということは，それだけ物語構造にオリジナリティが存在していることを意味する．この点において，まず注目したい作品は，『地底探検／アース・エクスプローラーズ』と TVM 版『センター・オブ・ジ・アース』である．この 2 作品は，マップ中に暖色で示された通り，原作と同じ 19 世紀を舞台にしながらも物語が大きく異なる．2 作品の概要は，次の通りである．主人公たちは，行方不明の夫を探して欲しいという女性の依頼を受け，地底へと向かう．しかし，地底に辿り着くと，そこには行方不明となっていた夫が支配する地底人たちの都市があった，という内容だ．地底へと誘う資料を見つけ，探検に出かけるという原作とは，根本的に話の構成が異なっている．故に，マップ上でもこの 2 作品は，独特な物語構成のものとして，周囲の作品との境. 今回，メディアミックス作品として取り扱う作品は，以下の 10 作品である．表 1 項番 1 2 3 4 5 6 7 8 9 10. 本論で取り扱ったメディアミックス作品. 作品名（邦題）地底戦車サイクロトラム地底探検地底探検新・地底探検／失われた魔宮伝説地底帝国の謎地底探検～完結編地底探検／アース・エクスプローラーズセンター・オブ・ジ・アースセンター・オブ・ジ・アースワールド・エンドセンター・オブ・ジ・アース. 公開年 1951 1959 1984 1976. 作者・監督テリー・O・モースヘンリー・レヴィンリック・ウェイクマンファン・ピケール・シモン. 媒体映画映画音楽映画. 1988 1999 1999. ラスティ・レモランデリック・ウェイクマンジョージ・ミラー. 映画音楽 TVM. 2008 2008. T・J・スコットデヴィッド・ジョーンズスコット・ホイーラーエリック・ブレヴィグ. TVM OV. 2008. 映画. 分析は，原作の物語展開をモデル化し，その原作のモデルを各メディアミックス作品のモデルにあてはめることで，そこから漏れる項目によって，「差異」を見ることで行った．モデル化は，物語で起こる出来事を時系列に抽出していくことで行った．抽出した出来事を変数化し，その出来事が起こる場合は「1」，起こらない場合は「0」として，作品（入力パターン）ごとに入力データを作成した． 4.2 分析結果と考察本節では，原作とメディアミックス作品それぞれの関係を，物語の構造の面から総合的に評価する．故に，個々の作品における作品論，映像化作品における出演者の演技や CG 技術などについては，分析対象外となっている．まず，注目したい点は，原作ではなくリック・ウェイクマンによる『地底探検』が全体の中心に位置していることである．色も深い藍色であるので，この作品には情報があまり含まれていない―すなわち，他の作品と共通する最もシンプルで基本的な物語構造を持っているといえる．実際に，本作品は，原作に登場する各々の場面を表現したインストゥルメンタル，情景を歌ったボーカルソングとコーラスから構成されている．ウェイクマン自身，尐年時代から 100 回以上読んでいるという『地球の中心へ. 6. ⓒ 2010 Information Processing Society of Japan.

(7) Vol.2010-CH-87 No.5 2010/7/31. 情報処理学会研究報告 IPSJ SIG Technical Report. 界を持つ暖色で表されたものと思われる．Amazon のカスタマーレビューにおいても，「折角のヴェルヌの壮大な地底探検も地底に到着するまでの工程の説明もサスペンスも無いに等し」[25]いという評価がなされている．もう一つ注目したいのが，左上の『地底探検～完結編』と『地底帝国の謎』である．ただし，競合ユニットの色を見ると，互いに異なるため，この 2 つの作品に関連性がないことが見て取れる．それどころか，『地底帝国の謎』が，最も濃い暖色で表されている．本作品は，洞窟探検をしていた一行が地震の影響で地底に落ちてしまい，同行していた主人公が地底帝国の支配権を狙う将軍に捕らえられてしまうという内容の映画である．ただし，このように原作から逸脱した物語展開である理由は，エドガー・ライス・バローズの小説『地底世界ペルシダー』(1922)の作品雰囲気を取り入れたり，主人公が地底帝国に迷い込んでからの話が，『エイリアン from L.A.／地底王国アトランティス』(1988)の続編として描かれていたりしたためである．従って，本作は『地球の中心への旅』以外の要素が多く含まれてしまっているのだが，レモランデ監督によれば，ヴェルヌの物語は脚本の基礎は担っているという．故に，『地底戦車サイクロトラム』より原作に近い場所に位置するも，異種作品として深い暖色で表されたのだろう．一方，『地底探検～完結編』は，リック・ウェイクマン自身による『地底探検』のセルフリメイク作品である．しかし，前作は原作の内容をそのまま音楽化していたのに対し，本作では『地球の中心への旅』の物語から 200 年後の世界を舞台に，地底を旅した先人の足跡を辿り，地底を旅する物語を音楽にしている．そこには，地底に対するウェイクマンの思想や世界観の解釈が色濃く反映されている．つまり，『地底探検～完結編』は，『地球の中心への旅』を通したウェイクマン自身の地底世界観を音楽化したものと考えることができる．従って，本作と同様に『地球の中心への旅』に描かれた出来事は実際に起こったこととして，その足跡を辿るという物語構造を持つ『センター・オブ・ジ・アース』と同じく，縦軸上の原作と同じラインに並ぶも，内容が異なるものとして，暖色で示されたものと思われる．. である．相互情報量が大きいときは，出力マップにクラスの境界を詳細に表示させた．一方，相互情報量が小さいと，詳細なクラスの境界線を崩し，大きなまとまりを表示させるようになる．従って，相互情報量は，目的に応じた解釈に必要となる異なったマップを生成するために使用することができる．つまり，相互情報量は異なるマップを生成するのに使いやすく，実用的な問題にも適用できる柔軟性を持っているということが示された．そして，応用事例においては，数あるヴェルヌ作品について，これまで作品ごとに評価されていたメディアミックス作品と原作の関係を，ひとつの原作とそのメディアミックス作品群を総合的に扱い分析することで，メディアミックス作品同士の位置づけを可視化し評価することができた．今後の問題点としては，次の 2 点がある．まず，現段階の手法では分析に適切なマップサイズを自動的に決定することができない．従って，分析に最も適するマップサイズを決定できる方法を考える必要がある．次に，『地球の中心への旅』とその派生作品分析において，今回はメディアミックス作品のみをとり扱ったが，本作品に関しては，明治期の翻案小説やパロディー小説，類似する小説などが存在している．『地球の中心への旅』に対する「違い」と「類似」を考えていく上では，これらの作品も分析対象に含めていく必要がある．謝辞. 本論文の作成にご協力頂いた皆様に，謹んで感謝の意を表する．. 参考文献 1 T. Kohonen, Self-Organization and Associative Memory. New York: Springer-Verlag, 1988. 2 T. Kohonen, Self-Organizing Maps. Springer-Verlag, 1995. 3 K. Tasdemir and E. Merenyi, “Exploiting data topology in visualizations and clustering of self-organizing maps,” IEEE Transactions on Neural Networks, vol. 20, no. 4, pp. 549-562, 2009. 4 G. Polzlbauer, M. Dittenbach, and A. Rauber, “Advanced visualization of self-organizing maps with vector fields,” Neural Networks, vol. 19, pp. 911-922, 2006. 5 J. Vesanto, “SOM-based data visualization methods,” Intelligent Data Analysis, vol. 3, pp. 111-126, 1999. 6 S. Kaski, J. Nikkila, and T. Kohonen, “Methods for interpreting a self-organized map in data analysis,” in Proceedings of European Symposium on Artificial Neural Networks, (Bruges, Belgium), 1998. 7 I. Mao and A. K. Jain, “Artificial neural networks for feature extraction and multivariate data projection,” IEEE Transactions on Neural Networks, vol. 6, no. 2, pp. 296-317, 1995. 8 A. Ultsch and H. P. Siemon, “Kohonen self-organization feature maps for exploratory data analysis,” in Proceedings of International Neural Network Conference, (Dordrecht), pp. 305 -308, Kulwer Academic Publisher, 1990. 9 A. Ultsch, “U*-matrix: a tool to visualize clusters in high dimensional data,” Tech. Rep. 36, Department of Computer Science, University of Marburg, 2003. 10 K. Torkkola, “Feature extraction by non-parametric mutual information maximization,”Journal of. 5. 結論本論文では，相互情報量が入力パターンのクラスの境界を抽出する為に使用できることを示した．クラスの境界は，パラメータσを変化させることによって，細かくも大きくもすることができる．この方法を使用した応用事例として，フランス人小説家ジュール・ヴェルヌの作品とそのメディアミックス作品の分析を行った．まず，相互情報量を使用した方法の有用性については，実験結果から次の 2 つのことが示された．第一に，パラメータ値が減尐するに従い，相互情報量は増加されていったことである．第二に，様々なネットワーク構成を，パラメータに応じて生成することができること. 7. ⓒ 2010 Information Processing Society of Japan.

(8) Vol.2010-CH-87 No.5 2010/7/31. 情報処理学会研究報告 IPSJ SIG Technical Report. Machine Learning Research, vol. 3, pp. 1415-1438, 2003. 11 R. Linsker, “Self-organization in a perceptual network,” Computer, vol. 21, pp. 105-117, 1988. 12 R. Linsker, “How to generate ordered maps by maximizing the mutual information between input and output,” Neural Computation, vol. 1, pp. 402-411, 1989. 13 H. B. Barlow, “Unsupervised learning,” Neural Computation, vol. 1, pp. 295-311, 1989. 14 H. B. Barlow, T. P. Kaushal, and G. J. Mitchison, “Finding minimum entropy code,” Neural Computation, vol. 1, pp. 412-423, 1989. 15 J. C. Principe, D. Xu, Q. Zhao, and J. W. F. III, “Learning from examples with information theoretic criteria,” The Journal of VLSI Signal Processing, vol. 26, no. 1-2, pp. 61-77, 2000. 16 D. E. T. Lehn-Schioler, Anant Hegde and J. C. Principe, “Vector-quantization using information theoretic concepts,” Natural Computation, vol. 4, no. 1, pp. 39-51, 2004. 17 R. A. Morejon and J. C. Principe, “Advanced search algorithms for information-theoretic learning with kernel-based estimators,” IEEE Transactions on Neural Networks, vol. 15, no. 4, 2004. 18 K. Torkkola, “Feature extraction by non-parametric mutual information maximization,” Journal of Machine Learning Research, vol. 3, pp. 1415-1438, 2003. 19 R. Kamimura, “Mutual information maximization by free energy-based competitive learning for self-organizing maps,” in Proceedings of the international conference on systems, man, and cybernetics(SMC2008), pp. 1819-1825, 2008. 20 桜井飛鳥、「いざ、知 k 通の中心へ―イマジネーションが描く終わりなき旅」、Excelsior!、第 2 号、pp.38-41、2008 21 N. Abramson, Information Theory and Coding. New York: MacGraw-Hill, 1963. 22 K. N. Gurney, “Information processing in dendrites: II information theoretic complexity,”Neural Networks, vol. 14, pp. 1005-1022, 2001. 23 R. Kamimura, “An information-theoretic approach to feature extraction in competitive learning,” Neurocomputing, 2008. 24 S. T. Team, “SOM toolbox for Matlab,” tech. rep., Laboratory of Computer and Information Science, Helsinki University of Technology, 2000. 25 http://www.amazon.co.jp/product-reviews/B001CMJAE2/ref=sr_1_3_cm_cr_acr_txt?ie=UTF8&showVie wpoints=1&qid=1278250977&sr=1-3. 8. ⓒ 2010 Information Processing Society of Japan.

(9)