| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-09-15 13:00 混合ガウスモデルのMDL学習について 宮本耕平・川喜田雅則・○竹内純一（九大）  PRMU2017-47 IBISML2017-19 |
|
| 抄録 | （和） | 本研究の最終的な目標は記述長最小(MDL) 原理に基づく混合ガウスモデル(GMM) のモデル選択を実現することである．本稿ではそのために必要となるGMMの二段階符号化のための検討をいくつか行った．具体的には，まずGMM の各混合成分を任意の既知の分布と仮定し，混合型分布族の二段階符号化に基づくMDL 推定量に関する，R'enyiダイバージェンスを損失関数とした典型集合に関するリスク上界および確率的損失上界を導出した．また，混合成分を未知の正規分布とした場合の二段階符号化を見据えて，ガウス分布のFisher 情報行列の導出及びその行列式の導出を行い，Jeffreys事前分布およびそれから定まるパラメータ制約について考察した．また，Rissanenの$g$関数とFisher情報量の関係について調べた． |
| （英） | The final goal of this work is model sellection for gaussian mixture models(GMM) based on the minimum description length(MDL) principle. In this paper, we discuss some issues about a two part coding for GMM for this purpose. First we consider mixture models which have known distributions as their components. We introduce a two part codes for that mixture models and derive a risk bound for typical sequences and a probabilistic loss bound when the Renyi divergence is used as a loss function. Next we examine their Fisher information. its determinant and Jeffrey's prior which is related to the restriction on parameters. These works will be useful when we consider a two part coding of GMM itself. Further, we study relation between Rissanen's $g$-function and Fisher information. | |
| キーワード | （和） | MDL / 混合ガウスモデル / / / / / / |
| （英） | MDL / Gaussian mixture / / / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 211, IBISML2017-19, pp. 59-66, 2017年9月. | |
| 資料番号 | IBISML2017-19 | |
| 発行日 | 2017-09-08 (PRMU, IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2017-47 IBISML2017-19 |
|
| 研究会情報 | |
| 研究会 | PRMU IBISML IPSJ-CVIM |
| 開催期間 | 2017-09-15 - 2017-09-16 |
| 開催地（和） | 東京大学 本郷キャンパス |
| 開催地（英） | |
| テーマ（和） | パターン認識・機械学習基盤技術および深層学習によるメディア生成・変換・認識 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-09-PRMU-IBISML-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | 混合ガウスモデルのMDL学習について |
| サブタイトル（和） | |
| タイトル（英） | On MDL Learning of Gaussian Mixture Modlels |
| サブタイトル（英） | |
| キーワード(1)（和/英） | MDL / MDL |
| キーワード(2)（和/英） | 混合ガウスモデル / Gaussian mixture |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 宮本 耕平 / Kohei Miyamoto / ミヤモト コウヘイ |
| 第1著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 川喜田 雅則 / Masanori Kawakita / カワキタ マサノリ |
| 第2著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 竹内 純一 / Jun'ichi Takeuchi / タケウチ ジュンイチ |
| 第3著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第3著者 |
| 発表日時 | 2017-09-15 13:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | IBISML |
| 資料番号 | PRMU2017-47, IBISML2017-19 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.210(PRMU), no.211(IBISML) |
| ページ範囲 | pp.59-66 |
| ページ数 | 8 |
| 発行日 | 2017-09-08 (PRMU, IBISML) |
[研究会発表申込システムのトップページに戻る]