本論文では，観測データの分布を潜在変数の非線形写像を用いて表現することによりデータの可視化を行うGTM（Generative Topographic Mapping）に注目し，特に教師あり学習を用いたGTMの構築法について提案を行う．従来の教師あり学習を用いたGTMの学習法は，データ間の大小やその差に意味のない質的データを教師信号とする分類データを想定しており，データ間の大小やその差に意味のある量的データを教師信号とする回帰データには直接適用することができない．そこで本論文では，量的データを教師信号とする回帰データをそのままモデル化することが可能なGTMの提案を行う．また，一部の出力ラベルが欠損している場合を考慮し，ラベルありデータとラベルなしデータの両方を用いて半教師あり学習を行うGTMについても併せて提案を行う．
