| 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 | 2009-07-14 11:00 一本の訓練系列から構成されるHMMの事後分布について ○山崎啓介（東工大）  NLP2009-31 NC2009-24 |
|
| 抄録 | （和） | 隠れマルコフモデルは信号処理、自然言語処理、生物情報処理など様々な分野で系列データ解析に用いられる。学習プロセスの解明は機械学習において中心的な問題のひとつであるが、訓練データが多くのデータ系列の集合として与えられた場合では代数幾何を用いた解析法が確立されたのに対し、十分に長い一本の系列のみが与えられた場合では未だ十分な研究がなされていない。そこで本稿では後者の条件下でのパラメータ学習において、ベイズ事後分布が独特の形状を有することを実験的に示し、その原因を尤度関数の解析により明らかにする。 |
| （英） | Hidden Markov models (HMMs) are widely applied to analysis of time-dependent data sequences, such as non-linear signal processing, natural language processing, and bioinformatics. There are two possible formats of the training data in HMMs; One is a set of many time-dependent sequential data, and the other is an infinitely long sequence. The learning process is one of the main concerns in machine learning. For the former case, there is a method to reveal the generalization ability based on algebraic geometry. However, there is no theoretical analysis on the latter case. To construct its foundation, this paper reports some unique properties of the likelihood function in an experimental manner, and explains them in a theoretical manner. The results show that the likelihood function implicitly includes a local maxima factor, which can make the learning process slow, and that this slow learning realizes high performance in a stationary state evaluation. |
|
| キーワード | （和） | 隠れマルコフモデル / パラメータ学習 / 定常分布 / / / / / |
| （英） | Hidden Markov Models / Parameter Learning / Stationary Density / / / / / | |
| 文献情報 | 信学技報, vol. 109, no. 125, NC2009-24, pp. 93-98, 2009年7月. | |
| 資料番号 | NC2009-24 | |
| 発行日 | 2009-07-06 (NLP, NC) | |
| 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 | NLP2009-31 NC2009-24 |
|
| 研究会情報 | |
| 研究会 | NC NLP |
| 開催期間 | 2009-07-13 - 2009-07-14 |
| 開催地（和） | 奈良先端大 |
| 開催地（英） | NAIST |
| テーマ（和） | 脳活動の計測と解析，生命現象の非線形性，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2009-07-NC-NLP |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | 一本の訓練系列から構成されるHMMの事後分布について |
| サブタイトル（和） | |
| タイトル（英） | On the Posterior Distribution of HMMs for a Long Sequence |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 隠れマルコフモデル / Hidden Markov Models |
| キーワード(2)（和/英） | パラメータ学習 / Parameter Learning |
| キーワード(3)（和/英） | 定常分布 / Stationary Density |
| 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 啓介 / Keisuke Yamazaki / ヤマザキ ケイスケ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 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 | 2009-07-14 11:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | NC |
| 資料番号 | NLP2009-31, NC2009-24 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | no.124(NLP), no.125(NC) |
| ページ範囲 | pp.93-98 |
| ページ数 | 6 |
| 発行日 | 2009-07-06 (NLP, NC) |
[研究会発表申込システムのトップページに戻る]