重み付き最尤推定量の情報量規準を用いた適応的な能動学習アルゴリズム
スポンサーリンク
概要
- 論文の詳細を見る
システムの入力と出力とのあいだに成立する条件付き確率分布を,入力分布を適切に選択することにより,学習データから推定する問題を議論する.観測者がシステムへの入力を選択できるような推定方式を能動学習という.本論文では,学習をおこなうときに設定したモデルは,一般には間違っているという現実的な仮定を採用する.モデルが間違っているときに能動学習をおこなうと,最尤推定量は一般に一致性をもたず,0(1)の大きさで,Kullback-Leibler divergenceの意味で最適なパラメータからずれてしまう.そこで,最適パラメータへの一致性を回復するために,適切な重み関数をもちいた重み付き最尤推定量を採用して,能動学習アルゴリズムを構成する.つぎに,学習データ数が有限個という状況では,一致性が保証された重み付き最尤推定量よりも良い推定量が存在することを指摘する.これを考慮して,情報量規準をもちいて適切な推定量を選択するというアルゴリズムを提案する.また,簡単な数値実験をおこない,提案したアルゴリズムの有効性について考察する.
- 社団法人電子情報通信学会の論文
- 1999-06-18
著者
関連論文
- マルチスケール・ブートストラップ法による系統樹選択の不確実性の評価 (コンピュータ集約型統計手法(1))
- 信頼集合と予測分布地図による統計的モデル選択の診断法
- 重み付き最尤推定量の情報量規準を用いた適応的な能動学習アルゴリズム
- 重み付き最尤法による予測推論とその最適化
- D-6 重み付き最尤推定量を用いた能動学習の統計的漸近論(日本統計学会第67回大会記録 : 情報幾何と統計的方法)
- 重み付き最尤推定量を用いた能動学習のアルゴリズム
- 重み付き最尤推定量を用いた能動学習のアルゴリズム