一般的なMDL基準のBayesianネットワークの構造推定への応用 : 離散と連続な確率変数が混在する場合(情報通信基礎サブソサイエティ合同研究会)

スポンサーリンク

概要

• 論文の詳細を見る

• MDL原理に基づいてBayesianネットワークの構造を推定することは、この20年くらいの間に色々研究されてきた。しかし、それらはすべて各データが離散であることを仮定している。連続だと符号化できず＼記述長が計算できないからだ。本稿では、データが離散でも連続でも、混在していても、情報源のモデルを漸近的に正しく推定できる方法を提案する。連続であっても、MDL原理が同様に適用できる、という結論である。

• 2011-02-24

著者

• 鈴木 譲

  大阪大学

関連論文

• ナップサック問題と巡回セールスマン問題を含むOA機器保守スケジューリング問題へのGAの適用(ゲーム・探索(1))
• Theoretical Analyses on Genetic Algorithms
• 一般的なMDL基準のBayesianネットワークの構造推定への応用 : 離散と連続な確率変数が混在する場合(情報通信基礎サブソサイエティ合同研究会)
• 一般的なMDL基準のBayesianネットワークの構造推定への応用 : 離散と連続な確率変数が混在する場合(情報通信基礎サブソサイエティ合同研究会)
• 一般的なMDL基準のBayesianネットワークの構造推定への応用 : 離散と連続な確率変数が混在する場合(情報通信基礎サブソサイエティ合同研究会)
• Cover先生の研究室で思い出に残っているテーマ : 定常エルゴードな系列に対してのユニバーサルな予測(若手研究者のための講演会)

スポンサーリンク