| 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 | 2017-11-09 13:00 勾配上昇降下法を用いた効率的なモード回帰 ○山崎遼也・田中利幸（京大）  IBISML2017-57 |
|
| 抄録 | （和） | ノンパラメトリックモード回帰は回帰分析の手法のひとつであり，条件付き確率密度関数の極大値を推定することができる． 本稿では，ノンパラメトリックモード回帰の主要な手法である条件付き平均値シフトにもとづき，条件付き確率密度関数の極小値を推定する手法を提案する． さらに，実用上重要な，従属変数が1次元の場合に，条件付き確率密度関数の極小値を推定する手法を条件付き平均値シフトと組み合わせることで，効率的にモード回帰を行うアルゴリズムを提案する． 人工データと実データを使って，提案手法の有効性を実験的に示す． |
| （英） | Nonparametric modal regression is a method for regression analysis, which can estimate local maxima of the conditional probability density function. In this paper, on the basis of the conditional mean shift, which is a method commonly used for modal regression,we propose a method of estimating local minima of the conditional probability density function. Furthermore, under the practically important situation where the dependent variable is one-dimensional, we propose an efficient modal regression algorithm by combining the method of estimating local minima with the conditional mean shift. We experimentally show effectiveness of the proposed method using artificial data as well as real data. |
|
| キーワード | （和） | モード回帰 / 条件付き平均値シフト / カーネル密度推定 / / / / / |
| （英） | Modal regression / Conditional mean shift / Kernel density estimation / / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 293, IBISML2017-57, pp. 169-176, 2017年11月. | |
| 資料番号 | IBISML2017-57 | |
| 発行日 | 2017-11-02 (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 | IBISML2017-57 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2017-11-08 - 2017-11-10 |
| 開催地（和） | 東京大学 |
| 開催地（英） | Univ. of Tokyo |
| テーマ（和） | 情報論的学習理論ワークショップ (IBIS2017) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2017) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 勾配上昇降下法を用いた効率的なモード回帰 |
| サブタイトル（和） | |
| タイトル（英） | Efficient modal regression using gradient ascent and descent method |
| サブタイトル（英） | |
| キーワード(1)（和/英） | モード回帰 / Modal regression |
| キーワード(2)（和/英） | 条件付き平均値シフト / Conditional mean shift |
| キーワード(3)（和/英） | カーネル密度推定 / Kernel density estimation |
| 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） | 山崎 遼也 / Ryoya Yamasaki / ヤマサキ リョウヤ |
| 第1著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 田中 利幸 / Toshiyuki Tanaka / タナカ トシユキ |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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1著者 |
| 発表日時 | 2017-11-09 13:00:00 |
| 発表時間 | 150分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2017-57 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.293 |
| ページ範囲 | pp.169-176 |
| ページ数 | 8 |
| 発行日 | 2017-11-02 (IBISML) |
[研究会発表申込システムのトップページに戻る]