重み付きEM学習とモニタ構造
スポンサーリンク
概要
- 論文の詳細を見る
Computing an expectation and maximization is a set of powerful tool in statistical data processing. Dempster et al. [DEM78] collected examples from diverse areas, built a unified theory and coined the name "EM algorithm." Then, Jordan and Jacobs [JOR94] connected their leaning strategy on hierarchical mixtures of experts with this EM algorithm. These algorithms heavily depend on the logarithm and the nonnegativity of the Kullback-Leibler's divergence. Yet, there is a wider clms for such an information measure; the divergence of order α. The paper uses the generalized measure in order to derive a probability weighted EM algorithm and learning strategies. Extended versions of statistics methods such as the Fisher's measure of information and the Cramer-Rao's bound appear in the execution of learning. Finally, usage of the generalized EM algorithm & a building block is discussed.
- 一般社団法人情報処理学会の論文
- 1997-03-12
著者
関連論文
- α-EMアルゴリズムとその基本的性質
- 松山氏の論文"可変領域ベクトル量子化"に対する意見(本誌 昭和62年12月号掲載)
- アメリカにおける情報理論--人と動向 (情報理論--シャノン以後の展開)
- 重み付きEMアルゴリズムによる学習の高速化
- 自己組織化と外部知性との結合 : 架空のコンピュータHALの生誕によせて
- 動的計画法を用いたステレオマッチングにおける順序逆転問題の一解法
- 1-4 縮退により分裂する動的な網モデル
- 神経細胞の統計的性質とそれらの結合によるリズムの発生(1部 バイオメカニクス)
- 重み付きEM学習とモニタ構造
- 自己組織化するニューラルネットと最適化問題(ニューラルネットワーク)
- 多重降下競合アルゴリズムと並列部分最適化
- 自己組織化できるニュ-ラルネットとユ-クリッド空間におけるいろいろな巡回セ-ルスマン問題
- 競争学習によるニューラルネット自己組織化アルゴリズム
- 多重降下アルゴリズムの並列処理と画像圧縮
- 可変領域ベクトル量子化
- 逆フィルタ符号帳を用いた2種類の音声圧縮システム
- 離散時間確率過程のひずみ測度とその基本的性質
- 確率過程のひずみ測度の予測器不整合問題および符号化への応用
- ユニバ-サルな情報源符号化と音声圧縮
- 分流形抑制を持つ神経細胞の統計的性質