基本図の線形性に基づくSOVモデルのパラメータ推定(応用)
スポンサーリンク
概要
- 論文の詳細を見る
交通流を表す数理モデルが多く提案されており渋滞現象の解析に用いられている.特にSOVモデルは解析に重要な基本図に現実の渋滞で観測される相転移を表現できるため多くの研究がなされている.しかしながら相転移の発現にはパラメータの調節が必要であるが,そのための体系的な方法は確立されていない.そこで本研究は基本図の特徴量からパラメータを推定する統計的な手法を提案し実験によってその有効性を検証する.
- 2012-12-25
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)
- 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)
- 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)
- 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
- 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)
- 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
- 基本図の線形性に基づくSOVモデルのパラメータ推定(応用)
- 最尤法における潜在変数推定の理論解析
- 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)
- 自由エネルギーによる潜在変数推定精度の計算法(第15回情報論的学習理論ワークショップ)
- 交通流の時空図におけるZRPのパラメータ推定と能動学習(第15回情報論的学習理論ワークショップ)
- 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