最尤法における潜在変数推定の理論解析(ポスターセッション,第14回情報論的学習理論ワークショップ)
スポンサーリンク
概要
- 論文の詳細を見る
混合分布モデルや隠れマルコフモデルなどの階層型学習モデルは機械学習やデータマイニングで広く用いられている.このような構造を持つモデルは潜在変数と観測変数で構成される.観測変数に関する予測性能について様々な理論研究が存在するが,潜在変数の推定精度は未だ明らかになっていない.近年,ベイズ推定を行った場合の漸近的な精度が明らかになった.本論文では最尤推定量を用いた潜在変数推定を定式化し,その精度を解析する.
- 2011-11-02
著者
関連論文
- 特異モデルにおけるモデル選択法の提案
- 隠れマルコフモデルの学習係数について
- 階層型ベイジアンネットワークの確率的複雑さと特異点(ベイジアンネット2 : ポスターセッション)
- 一本の訓練系列から構成されるHMMの事後分布について(脳活動の計測と解析,生命現象の非線形性,一般)
- ベイジアンネットワークの確率的複雑さと代数幾何(統計的学習理論及び一般)
- 混合正規分布におけるベイズ周辺尤度の厳密計算法 (ニューロコンピューティング)
- 一本の訓練系列から構成されるHMMの事後分布について(脳活動の計測と解析,生命現象の非線形性,一般)
- 混合正規分布の特異点の非解析性について(学習理論)
- ニュートン図形を用いた確率的複雑さの解析法(学習理論)
- Algorithm with Newton Diagram for Analyzing Stochastic Complexity (特集:学習理論)
- 混合正規分布におけるべイズ周辺尤度の厳密計算法(機械学習,生物模倣情報処理,機械学習,一般)
- 代理べイズ学習に基づくHMMのためのデータ系列長(機械学習,生物模倣情報処理,機械学習,一般)
- 周辺尤度計算におけるパラメータ空間と隠れ変数空間の比較 (ニューロコンピューティング)
- 高次元圧縮空間の対話的手法による次元縮小(機械学習)
- 完全2部グラフ型ボルツマンマシンの代数幾何
- 完全2部グラフ型ボルツマンマシンの代数幾何
- 混合分布モデルにおける確率的複雑さの解明
- 特異点をもつ推論モデルの学習曲線の確率的計算法
- 特異点を持つ推論モデルの確率的学習精度計算アルゴリズム
- 周辺尤度計算におけるパラメータ空間と隠れ変数空間の比較
- 隠れ変数の分布における汎化誤差の解析
- 隠れマルコフモデルおけるベイズ状態推定とその精度解析(機械学習とその応用)
- 最尤法における潜在変数推定の理論解析(ポスターセッション,第14回情報論的学習理論ワークショップ)
- 冗長な変数がある場合のベイズ潜在変数推定誤差について(統計数理,統計推理,データベース,一般)
- 完全データと不完全データの混合からのラベル推定精度について
- 完全データと不完全データの混合におけるベイズ潜在変数推定の精度(機械学習一般とその応用)