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)
スポンサーリンク
概要
- 論文の詳細を見る
階層構造をもつ統計モデルはクラスタリングなどの教師無し学習に広く用いられている.このようなモデルは観測変数と潜在変数から構成され,それぞれの変数は観測可能なデータと観測不能なラベルを表す.観測変数の予測性能を測る汎化誤差は様々な条件下でその統計的性質が研究されておりモデル選択などに応用されている.しかしながら潜在変数の推定は教師無し学習において最も重要なタスクであるにもかかわらず,その精度の解析は十分解明されていない.近年,最尤法やベイズ法を用いた潜在変数分布推定の誤差が定式化され,その漸近的な性質が解明された.本研究はベイズ法についての結果をラベルの一部が観測可能な半教師あり学習に拡張し漸近誤差を導出する.
- 2012-06-12
著者
-
山崎 啓介
東京工業大学精密工学研究所
-
山崎 啓介
電気通信大学大学院情報システム学研究科
-
山崎 啓介
東京工業大学大学院総合理工学研究科知能システム科学専攻
-
山崎 啓介
東京工業大学 総合理工学研究科
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
- 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